研究人员开发了一种名为CLDNet的新型AI模型，用于创建更快的数字孪生来模拟大都市洪水。传统的浅水方程建模方法计算量大，需要近一个小时才能完成96小时的预报。CLDNet是一种潜在的神经ODE，可显著加速这些模拟，在大约29秒内完成整个流域的预报，速度提高了115倍。这种AI方法与现有基线相比，准确性也更高，并且能够原生处理不规则的流域地形。 AI
影响 为城市规划和灾害响应提供更快、更准确的洪水预报。
排序理由 该集群包含一篇学术论文，详细介绍了一种新AI模型及其在特定任务上的性能。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
AI-driven flood digital twins demand fast hydrodynamic surrogates for ensemble forecasting and observation assimilation. Yet even GPU-accelerated two-dimensional shallow water equation (SWE) solvers still require $\sim 55$ minutes per $96$-hour run on a $\sim 4.2$-million-active-…
AI-driven flood digital twins demand fast hydrodynamic surrogates for ensemble forecasting and observation assimilation. Yet even GPU-accelerated two-dimensional shallow water equation (SWE) solvers still require $\sim 55$ minutes per $96$-hour run on a $\sim 4.2$-million-active-…