Login
- Originaltitel:
- Multistep Flood Inundation Forecast with Artificial Neural Network
- Übersetzter Titel:
- Mehrstufige Überschwemmungsvorhersage mit einem künstlichen neuronalen Netz
- Autor:
- Lin, Qing
- Jahr:
- 2022
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- TUM School of Engineering and Design
- Betreuer:
- Disse, Markus (Prof. Dr.)
- Gutachter:
- Disse, Markus (Prof. Dr.); Leandro, Jorge (Prof. Dr.)
- Sprache:
- en
- Fachgebiet:
- GEO Geowissenschaften
- TU-Systematik:
- BAU 650; UMW 300; BAU 651
- Kurzfassung:
- Early prediction of floods could prevent losses. An artificial neural network (ANN) is developed for the real-time flood inundation forecast with a high spatial resolution of 4m. The ANN produces good results in maximum inundation prediction with 3h -- 12 h lead time. For the historical flood events, the outputs have a good accuracy of the water depths and a moderate accuracy for the flood extents.
- Übersetzte Kurzfassung:
- Eine frühzeitige Vorhersage von Überschwemmungen könnte Verluste verhindern. Ein künstliches neuronales Netz (KNN) wurde für die Echtzeit-Überschwemmungsvorhersage mit einer hohen räumlichen Auflösung von 4 m entwickelt. Das kNN liefert gute Ergebnisse bei der Vorhersage der maximalen Überschwemmung mit einer Vorlaufzeit von 3 bis 12 Stunden. Für die historischen Ereignisse haben die Ergebnisse eine gute Genauigkeit für die Wassertiefen und eine mäßige Genauigkeit für die Überschwemmungsausmaße.
- WWW:
- https://mediatum.ub.tum.de/?id=1662417
- Eingereicht am:
- 29.06.2022
- Mündliche Prüfung:
- 10.10.2022
- Dateigröße:
- 44357668 bytes
- Seiten:
- 122
- Urn (Zitierfähige URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20220906-1662417-1-8
- Letzte Änderung:
- 21.02.2023
BibTeX