代码和数据集均已开源！北京大学博士生一作在一区Top期刊最新研究成果！提出一种全新的多尺度隐自回归时空神经网络架构U-RNN！

本文提出了一种新型深度学习模型U-RNN，用于解决城市内涝高时空分辨率实时预报问题。背景方面，随着气候变化和城市化进程加快，城市内涝风险日益加剧，传统水动力模型在实时预报方面存在计算成本高、速度慢等限制。研究目的是通过U-RNN模型和滑动窗口预热（SWP）训练范式，实现高精度、高分辨率的城市内涝预报。实验结果表明，U-RNN在淹没范围、峰值水深和水位过程线预测中表现出色，预测速度比传统模型快100倍，且能实现提前6小时的预报。结论指出，U-RNN具有显著的实际应用潜力，可支持城市灾害预警和公众应急响应。