English(EN) DELUGE: Towards Continental-Scale Daily Pluvial Flood Damage Prediction via Interpretable Conditioning on Foundation Model Embeddings

新AI框架以高分辨率预测大陆尺度洪水损害

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-20 04:00

研究人员开发了DELUGE，一个用于在美国大陆范围内以约1公里分辨率预测逐日降雨洪水损害的深度学习框架。该新模型利用了AlphaEarth的基础模型嵌入，并结合了新颖的参数化模块以实现可解释性。在预测高成本洪水索赔方面，DELUGE显著优于随机森林和XGBoost等传统机器学习模型。 AI

影响该框架通过提供更准确、更及时的洪水损害预测，可以加强灾害准备和风险评估。

排序理由该集群包含一篇详细介绍用于洪水预测的新深度学习框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Yuya Kawakami, Daniel Cayan, Dongyu Liu, Kwan-Liu Ma, Tom Corringham · 2026-07-20 04:00

DELUGE：通过基于基础模型嵌入的可解释条件，实现大陆尺度日降雨洪水损害预测

arXiv:2607.16050v1 Announce Type: new Abstract: Pluvial (rainfall-driven) flooding accounts for 45% of National Flood Insurance Program (NFIP) claims in the United States and is harder to predict than its riverine and coastal counterparts, with existing approaches limited to coar…