参考消息网5月20日(ri)报道(dao)据香港《南华早(zao)报》网站5月11日(ri)报道(dao)，中(zhong)国科学家开发了一种(zhong)新的人工智能(neng)（AI）模型，可以预测世界各地(di)的洪水风险和跨(kua)区域流(liu)量，甚至(zhi)可以对缺乏水文记录的流(liu)域进行预测。

该模型名为ED-DLSTM，不同于其(qi)他预测模型依赖(lai)历史(shi)流(liu)量数据，它使用海拔和降水等属性。

由中(zhong)国科学院研究人员领导的团队在同行评议期(qi)刊《创新》上的一篇论文中(zhong)，详细介(jie)绍了该模型如何优于其(qi)他模型。

中(zhong)国科学院、水利部成都山地(di)灾害与环(huan)境研究所研究员欧阳朝军(jun)说：“我们利用有历史(shi)监测数据的流(liu)域，在几(ji)个大陆尺度上对模型进行了预训练。”他解释说，这(zhe)可以对缺乏流(liu)量记录的流(liu)域进行流(liu)量预测。

研究人员在论文中(zhong)写道(dao)：“相对于其(qi)他机器学习模型和经典水文模型，我们提出的模型在跨(kua)区域流(liu)量预测任务中(zhong)体现了最(zui)先进的性能(neng)。”

论文写道(dao)：“制定国家或地(di)区洪水预报战略……必须依赖(lai)对数千个既没(mei)有物理参数也没(mei)有历史(shi)记录的集水区流(liu)量的预测。”

为实现这(zhe)一目标，研究人员提出了一个只使用气象(xiang)强迫数据的模型，例如降雨和温(wen)度，以及静态土地(di)属性。土壤特征(zheng)等静态属性“可以从全球可用的卫星数据中(zhong)获得”。

研究人员使用了2010年至(zhi)2012年的历史(shi)监测数据——覆盖了美国、加拿大、中(zhong)欧和英国的2000多个集水区——来测试他们的模型与其(qi)他几(ji)个模型的准确性。

研究人员说：“与其(qi)他模型相比，ED-DLSTM显示出更(geng)强的预测能(neng)力。”（编译/刘白云）

4月7日(ri)，位于湖南省永州市境内的双牌(pai)水库开闸泄洪。（新华社）