基于深度学习的四川省洪涝灾害损失预测模型

桥畔看潮生

1 论文标题：基于深度学习的四川省洪涝灾害损失预测模型

2 作者信息：陈 曜, 张 杰：四川省水文水资源勘测中心，四川 成都；黄伟军：成都大学建筑与土木工程学院，四川 成都

3 出处和链接：陈曜, 张杰, 黄伟军. 基于深度学习的四川省洪涝灾害损失预测模型[J]. 水资源研究, 2026, 15(2): 151-159.

4 摘要：现有数据驱动的洪涝灾害损失模型普遍存在模型透明度不足和物理可解释性有限的问题，洪涝灾害损失指标与气象因子均表现出明显的时间序列特性。本文提出一种融合注意力机制–卷积神经网络(CNN)-长短期记忆网络(LSTM)的深度学习预测模型，用于四川省洪涝灾害损失预测。模型首先利用CNN提取多源气象因子及灾损序列的局部动态特征，再通过LSTM捕捉长期时序依赖关系，并引入注意力机制增强关键特征的贡献度，从而提高模型对非线性、非平稳灾损序列的刻画能力。基于1950~2020年四川省气象与灾损数据进行验证，结果表明在使用筛选出的9个强相关影响因子时，该模型在经济损失比与人口损失比上的平均MAPE相比单LSTM模型降低约10.5%，相比SVM模型降低约21.2%，预测精度显著提升。