ハイドラウリックシミュレーションを用いたWupper流域の氾濫ハザードマッピングのための深い U-Net フレームワーク

arXiv:2604.21028v1 発表タイプ: クロス 要旨: 世界の洪水事象の頻度と深刻さの増加は、迅速かつ信頼性の高い洪水予報ツールの開発の必要性を浮き彫りにしました。このプロセスは伝統的に、計算コストの高いハイドラウリックシミュレーションに依存してきました。本研究では、水曜を網状に正確かつ効率的に予測するために、U-Net アーキテクチャ、パッチ生成、そしてデータ処理を最適化する一連の実験を行い、計算コストの高いハイドラウリックシミュレーションを正確に近似する、深層学習ベースの代替モデルを発見しました。本研究では、深層学習の代替モデルは計算コストが低い代替手段として伝統的なハイドラウリックシミュレーションを機能させることを示しました。該当されたフレームワークは、北・ライン・ヴェストファーレン州（ドイツ）の Wupper 流域におけるハイドラウリックシミュレーションを用いてテストされ、比較可能な結果を得ました。

arXiv:2604.21028v1 Announce Type: cross Abstract: The increasing frequency and severity of global flood events highlights the need for the development of rapid and reliable flood prediction tools. This process traditionally relies on computationally expensive hydraulic simulations. This research presents a prediction tool by developing a deep-learning based surrogate model to accurately and efficiently predict the maximum water level across a grid. This was achieved by conducting a series of experiments to optimize a U-Net architecture, patch generation, and data handling for approximating a hydraulic model. This research demonstrates that a deep learning surrogate model can serve as a computationally efficient alternative to traditional hydraulic simulations. The framework was tested using hydraulic simulations of the Wupper catchment in the North-Rhein Westphalia region (Germany), obtaining comparable results.