MaxFloodCast: Ensemble Machine Learning Model for Predicting Peak Inundation Depth And Decoding Influencing Features

要約

タイムリーで正確かつ信頼できる情報は、洪水時の意思決定者、緊急事態管理者、インフラ管理者にとって不可欠です。
この研究は、ハリス郡の物理ベースの流体力学シミュレーションでトレーニングされた提案された機械学習モデル MaxFloodCast が、効率的で解釈可能な洪水浸水深予測を提供することを実証しています。
目に見えないデータで平均 R 二乗 0.949 と二乗平均平方根誤差 0.61 フィートを達成し、ピーク洪水浸水深の予測において信頼できることが証明されています。
ハリケーン ハービーや暴風雨イメルダに対して検証された MaxFloodCast は、即時の氾濫原管理と緊急運用をサポートする可能性を示しています。
このモデルの解釈可能性は、意思決定者が洪水軽減戦略を知らせる重要な情報を提供したり、重要な施設のある地域に優先順位を付けたり、他の流域の降雨が 1 つの地域の洪水被害にどのような影響を与えるかを調査したりするのに役立ちます。
MaxFloodCast モデルは、計算時間を大幅に短縮しながら、正確で解釈可能な浸水深予測を可能にし、それによって緊急対応活動と洪水リスク管理をより効果的にサポートします。

要約(オリジナル)

Timely, accurate, and reliable information is essential for decision-makers, emergency managers, and infrastructure operators during flood events. This study demonstrates a proposed machine learning model, MaxFloodCast, trained on physics-based hydrodynamic simulations in Harris County, offers efficient and interpretable flood inundation depth predictions. Achieving an average R-squared of 0.949 and a Root Mean Square Error of 0.61 ft on unseen data, it proves reliable in forecasting peak flood inundation depths. Validated against Hurricane Harvey and Storm Imelda, MaxFloodCast shows the potential in supporting near-time floodplain management and emergency operations. The model’s interpretability aids decision-makers in offering critical information to inform flood mitigation strategies, to prioritize areas with critical facilities and to examine how rainfall in other watersheds influences flood exposure in one area. The MaxFloodCast model enables accurate and interpretable inundation depth predictions while significantly reducing computational time, thereby supporting emergency response efforts and flood risk management more effectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google