中国科学家开发了一种新的人工智能（AI）模型，可以预测世界各地的洪水风险和跨区域流量，甚至可以对缺乏水文记录的流域进行预测。

　　该模型名为ED-DLSTM，不同于其他预测模型依赖历史流量数据，它使用海拔和降水等属性。

　　由中国科学院研究人员领导的团队在同行评议期刊《创新》上的一篇论文中，详细介绍了该模型如何优于其他模型。

　　中国科学院、水利部成都山地灾害与环境研究所研究员欧阳朝军说：“我们利用有历史监测数据的流域，在几个大陆尺度上对模型进行了预训练。”他解释说，这可以对缺乏流量记录的流域进行流量预测。

　　研究人员在论文中写道：“相对于其他机器学习模型和经典水文模型，我们提出的模型在跨区域流量预测任务中体现了最先进的性能。”

　　论文写道：“制定国家或地区洪水预报战略……必须依赖对数千个既没有物理参数也没有历史记录的集水区流量的预测。”

　　为实现这一目标，研究人员提出了一个只使用气象强迫数据的模型，例如降雨和温度，以及静态土地属性。土壤特征等静态属性“可以从全球可用的卫星数据中获得”。

　　研究人员使用了2010年至2012年的历史监测数据——覆盖了美国、加拿大、中欧和英国的2000多个集水区——来测试他们的模型与其他几个模型的准确性。

　　研究人员说：“与其他模型相比，ED-DLSTM显示出更强的预测能力。”