AI城市内涝预警：雨量站与排水管网耦合

智慧城市实验室近期将研究重点放在“内涝积水短时预测”这一具体场景：不追求城市级大屏，而是先解决单个易涝点未来30—60分钟“会不会积水、大概多深”的可操作问题。

方法上，我们把雨量站分钟级降雨、管网液位、泵站启停、地形DEM和排水管网拓扑作为输入，用一维水动力模型生成物理约束，再用图神经网络学习节点间汇流关系，并用时序模型校正残差。视频积水识别只作为稀疏标签，用于回传实际淹没范围，避免全城摄像头标注成本过高。

阶段性进展：
· 在2个下穿隧道和1个老旧小区出口完成历史降雨回放，30分钟积水深度预测MAE约3.5厘米，对“超过15厘米”事件的召回率约82%，较固定雨量阈值法减少约三成空报。
· 下一步接入泵站工单与实时水位，增加管网淤积和施工围挡扰动因子，并探索把预报结果以API形式推送给街道值守端，而不是另建独立App。