共计 857 个字符，预计需要花费 3 分钟才能阅读完成。
一种新型的机器学习工具正在彻底改变洪水预测领域。最新研究显示，当人工智能技术与美国国家海洋和大气管理局（NOAA）开发的国家水文模型相结合时，洪水预测准确度提升了四到六倍。这一突破性成果已发表在《AGU Advances》期刊上，该期刊以发表地球和空间科学领域的高影响力研究而闻名。
这项创新技术基于神经网络，这是一种深度学习模型，专门用于识别和纠正预测中的错误。研究团队通过整合历史观测数据和国家水文模型的模拟数据，成功开发出了一个混合预测系统。该系统能够更精确地预测美国各地的河流流量，为防洪工作提供有力支持。
- 
- 
“ 对于洪水预测，单纯依赖人工智能模型的表现并不理想，” 密歇根大学水文学家、该研究首席研究员 Vinh Ngoc Tran 指出。” 人工智能模型的优势在于其简单性，但我们必须确保对可能造成重大损失的洪水事件的预测准确性。”
NOAA 在美国拥有近 11,000 个水位计，用于收集洪水和水位数据，同时还跟踪与植被、城市化和排水网络等相关的详细信息。这些数据虽然丰富，但也增加了洪水预测模型的复杂性，导致预测系统中可能出现错误。
为解决这一问题，研究人员开发了名为 Errorcastnet 的人工智能系统。该系统专门用于识别国家模型中的错误，并将错误分为可修复和不可修复两类，专注于纠正可修复的错误，从而不断改进预测的准确性。
“ 我们不能忽视物理学，” 密歇根大学的物理水文学家、该研究作者之一 Valeriy Ivanov 强调。” 在预测模型中，我们必须考虑地形和主导的物理过程。”
研究还发现，仅使用谷歌的人工智能洪水预测程序时，由于未考虑国家水文模型中的海拔、植被和水库等细节，模型往往会低估洪水流量。
“ 我们认识到人工智能的力量，但它不应否定几十年的研究成果和对物理学复杂性的理解，”Ivanov 补充道。
通过改进 NOAA 的预测模型，研究人员相信这将有助于减少洪水的潜在经济影响。更准确的预测意味着企业可以更好地为即将到来的洪水做准备。Tran、Ivanov 及其团队希望随着该程序的进一步发展，能够在洪水发生前几天甚至更早进行详细预测。
