Page 46 - 2022年第53卷第3期
P. 46

1-13 .
                ［ 9 ］ 宋利祥，徐宗学 . 城市暴雨内涝水文水动力耦合模型研究进展［J］. 北京师范大学学报（自然科学版），
                       2019，55（5）：581-587 .
                ［ 10］ 黄 国 如 ，陈 文 杰 ，喻 海 军 . 城 市 洪 涝 水 文 水 动 力 耦 合 模 型 构 建 与 评 估［J］.水 科 学 进 展 ，2021，32（3）：
                       334-344 .
                ［ 11］ 梅超 . 城市水文水动力耦合模型及其应用研究［D］. 北京：中国水利水电科学研究院，2019 .
                ［ 12］ 刘家宏，梅超，向晨瑶 . 城市水文模型原理［J］. 水利水电技术，2017，48（5）：1-5 .
                ［ 13］ 臧文斌 . 城市洪涝精细化模拟体系研究［D］. 北京：中国水利水电科学研究院，2019 .
                ［ 14］ 徐宗学，叶陈雷 . 城市暴雨洪涝模拟：原理、模型与展望［J］. 水利学报，2021，52（4）：381-392 .
                ［ 15］ 侯精明，张兆安，马利平，等 . 基于 GPU 加速技术的非结构流域雨洪数值模型［J］. 水科学进展，2021，32
                       （4）：567-576 .
                ［ 16］ HU X Z，SONG L X . Hydrodynamic modeling of flash flood in mountain watersheds based on high-performance
                       GPU computing［J］. Natural Hazards，2018，91（2）：567-586 .
                ［ 17］ LECUN Y，BENGIO Y，HINTON G . Deep learning［J］. Nature，2015，521：436-444 .
                ［ 18］ 刘媛媛，刘洪伟，霍风霖，等 . 基于机器学习短历时暴雨时空分布规律研究［J］. 水利学报，2019，50（6）：
                       773-779 .
                ［ 19］ LIU Y Y，LI L，ZHANG W H，et al . Rapid identification of rainstorm disaster risks based on an artificial intelli⁃
                       gence technology using the 2DPCA method［J］. Atmospheric Research，2019，227：157-164 .
                ［ 20］ 姚俊良，薛海涛，刘庆 . 基于大数据的城镇智慧水务日水量预测算法［J/OL］. 北京邮电大学学报：1-6
                       ［2021-08-10］.
                                                                                                    /
                ［ 21］ 吴鑫俊，赵晓东，丁茜，等 . 基于数据驱动的 CNN 洪水演进预测方法［J/OL］. 水力发电学报 . https：/kns .
                       cnki.net/kcms/detail/11.2241.tv.20201229.1451.002.html
                ［ 22］ 白 岗 岗 ，侯 精 明 ，韩 浩 ，等 . 基 于 深 度 学 习 的 道 路 积 水 智 能 监 测 方 法［J］. 水 资 源 保 护 ，2021，37（5）：
                       75-80 .
                ［ 23］ 高晓薇，刘家宏 . 深圳河流域城市化对河流水文过程的影响［J］. 北京大学学报（自然科学版），2012，48
                       （1）：153-159 .
                ［ 24］ 刘媛媛，张丽，李磊，等 . 基于多变量 LSTM 神经网络模型的风暴潮临近预报［J］. 海洋通报，2020，39（6）：
                       689-694 .
                ［ 25］ LIU Y Y，LI L，LIU Y S，et al . Dynamic spatial-temporal precipitation distribution models for short-duration
                       rainstorms in Shenzhen，China based on machine learning［J］ . Atmospheric Research，2020（237）：Article
                       104861 .
                ［ 26］ 深圳市气象局，深圳市规划和国土资源委员会 . 深圳市暴雨强度公式及查算图表（2015 版）［R］. 深圳：深
                       圳市气象局，深圳市规划和国土资源委员会，2015 .
                ［ 27］ PREISSMANN A，CUNGE J A . Calcul des intumeseences sur machines electroniques［R］. Ninth Convention of
                       the International Association for Hydraulic Research，Dubrovnik，1961 .
                ［ 28］ RUMMELHART D E，HINTON G E，WILLIAMS R . Learning representations by back-propagating errors［J］.
                       Nature，1986，323（2）：533-536 .
                ［ 29］ YANN Le Cun，YOSHUA Bengio，GEOFFREY Hinton . Deep learning［J］. Nature，2015，521：436-444 .
                ［ 30］ BRUNETTI A，BUONGIORNO D，TROTTA G F，et al . Computer vision and deep learning techniques for pedes⁃
                       trian detection and tracking：a survey［J］. Neurocomputing，2018，300：17-33 .
                ［ 31］ 周志华 . 机器学习［M］. 北京：清华大学出版社，2016 .














                 — 294  —
   41   42   43   44   45   46   47   48   49   50   51