基于机器学习的城市内涝模拟研究进展与展望.pdfVIP

第43卷第6期节放技木Vol.43,No.6

2025年6月JournalofMunicipalTechnologyJun.2025

文章编号：1009-7767(2025)06-0181-10D0I:10.19922/j.1009-7767.2025.06.181

基于机器学习的城市内涝模拟研究进展与展望

王俊12*,刘昊宇1,江恩慧1,23,辛瑞瑞,潘鑫1

(1.山东大学土建与水利学院，山东济南250061；2.山东大学流域系统治理研究中心，山东济南250061；

3.黄河水利委员会黄河水利科学研究院，河南郑州450003)

摘要：随着城镇化率的快速提高，城市内涝问题日益严重，而传统的水文水动力模型在模拟城市内涝时存在数据精度要求高、

计算过程复杂、模拟效率低等问题。机器学习作为一种新兴技术，虽然对数据集质量要求同样严格，但其能够自动挖掘数据中的

模式和规律，且模型训练完成后可以大大提高模拟效率和精度，目前已在城市内涝模拟中展现出巨大的潜力。梳理了国内外机器

学习模型在城市内涝模拟中的主要发展历程，并对国内不同地理条件的模型应用情况等进行了总结。得出如下主要结论：当前的

研究趋势已不再仅局限于单个机器学习算法或模型的研究应用，而是逐渐向多模型效果比较、模型耦合和可解释机器学习模型

的方向迈进；多源数据集突破了单一水文数据的局限性，增强了机器学习模型对复杂城市系统的表征能力和预测能力，为针对

性的内涝防治措施提供了科学依据。

关键词：城市内涝；机器学习；内涝模拟；内涝预测；多源数据集

中图分类号：TU992；TU998.4文献标志码：A

ProgressandProspectsResearchofUrbanFloodSimulationBasedon

MachineLearning

WANGJunl.2*,LIUHaoyu,JIANGEnhuil.2.3,XINRuirui,PANXin

(1.SchoolofCivilEngineering,ShandongUniversity,Jinan250061,China;2.GovernanceofBasinSystemResearchCenter,

ShandongUniversity,Jinan250061,China;3.YellowRiverInstituteofHydraulicResearch,YRCC,Zhengzhou450003,China)

Abstract:Withtherapidincreaseofurbanizationrates,theproblemofurbanfloodisbecomingincreasinglysevere.

Someissuessuchashighdataaccuracyrequirements,complexcomputationprocesses,andlowsimulationefficiency

oftenexistintraditionalhydrologicalandhydrodynamicmodelsforurbanfloodsimulation.Asanemergingtechnology,

machinelearninghasstrictrequirementsfordatasetquality,butitcanautomaticallyexplorethepatternsandlawsof

thedata.Oncethemodeltrainingiscompleted,itcansignificantlyenhancesimulatione