一、背景

洪涝模型能实现洪涝灾害的精细化模拟，可为模拟城市洪涝提供了重要技术支持。然而，传统的数值模型由于迭代求解水动力方程复杂、模拟时效过大，即便使用高性能计算技术如GPU加速等，仍难以实现大范围、高精度的快速预报，且难以满足以及大量运行结果应用场景的要求。

相比水动力模型，深度学习模型具有更高效的计算效率和强大的非线性处理能力，能够有效地解决洪水模拟精度与计算效率难以兼顾的难题。深度学习模型完成训练后，对新的输入数据能够在秒级时间尺度上迅速生成预测结果，大大提高了城市洪涝预报的实效性，在洪水的实时模拟和决策的快速制定具有广泛的应用空间。

二、创新性成果

研发了一种结合了水文水动力模型和深度学习算法的优势的水动力仿真加速模型，可实现地区洪水淹没范围时空变化的快速模拟。在建立深度学习的模型基础上，耦合洪涝演进过程的物理机制，建立嵌入水量平衡与能量守恒约束的深度学习模型。同时综合了历史洪涝灾害数据和不同暴雨组合场景下水文水动力精细模拟结果，构建了包含暴雨时空过程、水利工程工况、洪涝淹没过程的洪涝历史场景库；通过深度学习技术匹配相似度较高的洪涝演进场景，快速模拟暴雨下淹没范围与淹没水深情况。该模型实现了暴雨洪水场景下对淹没范围、淹没水深、淹没演进情况的高精度和快速模拟，提高了洪水淹没模拟的时效性。

图1   洪涝快速模拟技术路线

图2 瓯江流域典型场次洪涝过程模拟结果

三、取得成效或者成果转化应用

研究成果与技术已经成功推广到瓯江流域、松辽流域等地智慧水利与数字孪生建设中。本技术大幅提高了洪涝模拟的计算效率，实现洪水演进场景的秒级模拟。以瓯江流域的应用为例，模型计算时长约150s，相较于传统模型模拟速度提高了约3600倍。该方案下河道行洪对两岸堤防与城镇的淹没场景，并给出了大港头、丽水等关键断面的预演河道水位。经验证，模拟结果与实时监测数据基本一致，计算峰值水位与实测峰值水位的差值均在0.3m以内，误差在0.5%左右，计算峰现时间和实测峰现时间相近，误差在1h左右。该模型有效提高了传统洪水演进模拟的时效性，可为政府制定防洪预案、研判洪水形势、科学调度洪水和组织部署防汛工作提供参考。

相关成果入选水利部推广应用技术1项，发表论文2篇，授权发明专利1项、软件著作权1项。