科学家部署深度学习来预测这个飓风季节的洪水

快速阅读: 据《数字日记》最新报道，飓风丽莎正向中美洲移动，最大风速达120公里/小时。研究开发出LSTM-SAM模型，利用迁移学习预测风暴潮，提升洪水预警效率，助力应急决策。该模型已在美东验证，未来将公开使用。

据AFP报道，飓风丽莎正向中美洲方向移动，最大持续风速达到每小时120公里（75英里），阵风更强。与此同时，2025年的飓风季节于6月1日正式开始，截至7月，预计活动将异常频繁，可能出现破坏力极大的风暴，伴随暴雨和强大风暴潮，可能导致危险的沿海洪水。

记者了解到，针对极端水位的预测难题，特别是资源有限地区难以承担复杂模型成本的问题，研究人员开发了一种名为“长短期记忆站近似模型”（LSTM-SAM）的深度学习框架。此模型运用“迁移学习”技术，在潮汐测量仪故障或数据不足的情况下，仍能有效预测风暴期间的水位变化。LSTM-SAM不仅提高了预测速度，降低了成本，还使得在飓风临近时作出更合理的疏散决定、合理配置应急资源及保护基础设施成为可能，对于紧急规划人员、地方政府和灾害响应团队而言，这可能是改变游戏规则的进展，甚至可能拯救生命。

LSTM-SAM通过分析历史风暴模式来预测未来的水位上升情况，特别之处在于它可以利用一个区域的数据来推断另一个区域的情况，从而让精确的洪水预测更加普及。研究团队在美国东海岸的潮汐测量站验证了LSTM-SAM的有效性，发现该模型能够准确地预测风暴引起的水位变化，包括峰值和回落过程。此外，该模型还能恢复因风暴损坏的潮汐测量站数据，例如2012年桑迪飓风期间新泽西州桑迪胡克站点的数据。

研究人员打算在今年的飓风季节中进一步测试LSTM-SAM，同时将相关代码公开发布在CoRAL实验室的GitHub仓库，供科学家、紧急规划者和政府领导免费下载使用。这一程序能在普通笔记本电脑上快速运行，特别适合那些缺乏高级计算设备或详细环境数据的发展中国家小城镇和地区。

随着飓风事件及其社会经济影响预计在未来会更加频繁，像LSTM-SAM这样可靠的洪水预测工具显得尤为重要。此类先进的深度学习技术有望成为沿海社区应对日益严峻挑战的关键手段，开启更智能、更快速且更易获得的热带气旋相关洪水预测新时代。该研究成果已发表在《水资源研究》期刊上，题目为《利用长短期记忆站基近似模型与迁移学习技术预测极端水位演变》。

(以上内容均由Ai生成)