通过深度神经网络方法评估城市地区的洪水易感性

洪水，由强降雨或台风引起，超负荷城市排水系统，给城市地区带来重大威胁，导致巨大的经济损失并危及人类生命。本研究提出了一种使用深度神经网络（DNN）进行城市地区洪水评估的方法，采用多类分类方法，通过遗传算法（GA）优化的超参数调优，利用尼日利亚伊巴丹大都会和菲律宾马尼拉的洪水数据集的遥感数据。结果表明，与仅包含位置和降水数据的数据集（马尼拉-0.38）相比，优化后的DNN模型显著提高了洪水风险评估的准确性（伊巴丹-0.98）。通过将土壤数据纳入模型，并减少类别数量，模型能够更准确地预测洪水风险，为主动洪水缓解策略和城市规划提供了见解。