تتزايد حوادث الفيضانات حول العالم بشكل متكرر، مما يستدعي تطوير أدوات سريعة وموثوقة للتنبؤ بها. غالباً ما تتطلب هذه العملية محاكاة هيدروليكية معقدة ومكلفة. في خطوة مبتكرة، قدم الباحثون نموذجاً جديراً بالاهتمام يعتمد على التعلم العميق (Deep Learning) يمكنه التنبؤ بدقة بالحد الأقصى لمستوى المياه عبر شبكة من النقاط.

يستند هذا النموذج إلى بنية شبكة U-Net، المعروفة بفاعليتها في معالجة الصور، حيث تم إجراء سلسلة من التجارب لتحسين تصميم هذه الشبكة، بالإضافة إلى طرق توليد البيانات وإدارتها لتقترب من محاكاة النموذج الهيدروليكي التقليدي.

بتطبيق هذا النموذج على محاكاة هيدروليكية لمنطقة ووبير (Wupper Catchment) في منطقة شمال الراين-ويستفاليا (North-Rhein Westphalia) في ألمانيا، حقق الباحثون نتائج مشابهة لتلك التي تم الحصول عليها من المحاكاة التقليدية، مما يثبت أن نموذج التعلم العميق يمكن أن يكون بديلاً فعالاً من حيث الكفاءة الحاسوبية.