城市不再看海！看AI如何预测城市“水患”

目前，解决城市内涝的重要任务是从建成环境的角度理解内涝影响因素，并指导动态监测和预警服务。本研究选取深圳市作为高密度城市的典型代表，构建了涵盖水文、气象、城市形态和内涝事件等多方面数据的多因子联动数据集，并对比了四种主流机器学习模型在预测城市内涝风险方面的性能差异。

结果显示，LightGBM在精确性和鲁棒性上表现最佳，能够有效预测城市街区的内涝深度及相应的风险等级。研究进一步采用了可解释性算法（SHAP）对LightGBM模型进行解耦分析，结果显示，水文气象因子及部分建筑配置因子为主要的灾害影响因子；另外，水体率对内涝的调节和蓄积起到重要作用，特别是当其超过2.5%时，表现出显著的内涝抑制效果。本研究为城市内涝预测提供了新的技术方法，并从建成环境视角揭示了影响城市内涝的因素以及其内在机制，对高密度城市韧性的提升具有重要的科学意义。

建成环境视角下高密度城市内涝风险预测与影响因素机器学习解析：以深圳市为例
周士奇；贾蔚怡；刘治宇；王墨

#城市内涝##机器学习##模型性能评估##比较研究##可解释性分析##高密度城市#

阅读全文，请点击：http://t.cn/A6mdsaE4