Scientific Paper: Development of a Urban Flood Prediction Model Using SOM-LSTM: Integrating Environmental IoT and Sewer Water Level Rising Rates

В рамках научного исследования представлена модель прогнозирования городских наводнений, разработанная с использованием гибридной нейронной сети SOM-LSTM (Self-Organizing Map – Long Short-Term Memory). Основная задача работы — повысить точность предсказания экстремальных погодных явлений и их последствий для городской инфраструктуры. Методология включает интеграцию данных с экологических IoT-датчиков и информации о скорости подъема уровня воды в канализационных системах. Такой подход позволяет учитывать динамические изменения в городской среде, что является ключевым фактором для эффективного управления рисками. Научная новизна заключается в предложенной комбинации архитектуры SOM-LSTM и комплексного набора входных данных, что обеспечивает более детальный и своевременный анализ потенциальных угроз. Разработка имеет практическое значение для городского планирования и повышения устойчивости инфраструктуры к наводнениям. 💧