AI内涝积水点预测定制：雨量时序与排水拓扑

城市内涝预警的难点不在下雨本身，而在把「雨落在哪、水流向哪、管网排得出多少」三者对齐。本阶段实验做了三类数据的拼接：分钟级雨量站与雷达外推降水、易涝点历史积水深度记录、以及排水管网关键节点拓扑与泵站运行状态。模型并不直接回答「是否内涝」，而是先输出各易涝点在0~60分钟窗口内的积水概率与深度区间，再由规则层按阈值分级触发提醒，避免单一模型直接下结论带来的误报成本。

阶段性结论：

• 在覆盖三次强降雨的回溯测试中，30分钟提前量下易涝点命中率约八成；空报主要来自短时强降水落区偏移，引入雷达外推后空报下降约三成。
• 下一步计划：将泵站与闸门的调度状态作为可干预变量纳入反事实推演，从「预报哪里积水」推进到「给出可执行的调度建议」，并补充老旧城区管网缺失段的等效拓扑估计。