Assessment of Flood Potential Through Rainfall Pattern Analysis

Dieses Kapitel untersucht die Bewertung des Überschwemmungspotenzials in Indien durch die Analyse von Niederschlagsmustern anhand eines tief lernenden bidirektionalen Langzeit-Kurzzeitgedächtnisses (Bi-LSTM). Die Studie nutzt einen umfassenden Datensatz historischer Niederschlagsdaten aus den Jahren 1901 bis 2024, der alle indischen Bundesstaaten abdeckt, um Niederschlagsmuster zu identifizieren, die mit hochwasseranfälligen Bedingungen in Zusammenhang stehen. Das Bi-LSTM-Modell wurde entwickelt, um Hochrisikoperioden ausschließlich auf Grundlage historischer Niederschlagsdaten zu klassifizieren, um zuverlässigere Strategien zur Vorhersage von Überschwemmungen zu unterstützen. Die Leistung des Bi-LSTM-Modells wird bewertet und mit traditionellen Ansätzen zur Niederschlagsschwelle und anderen maschinellen Lernmodellen verglichen. Die Ergebnisse zeigen die überlegene Genauigkeit, Präzision, Erinnerung und den F1-Score des Bi-LSTM-Modells und unterstreichen seine Effektivität bei der Erfassung komplexer zeitlicher Beziehungen in Niederschlagsdaten. Diese Forschungen liefern wertvolle Erkenntnisse zur Verbesserung der Katastrophenvorsorge und der Widerstandsfähigkeit gegenüber dem Klimawandel durch fortschrittliche datengestützte Methoden zur Vorhersage von Überschwemmungen.