侯精明，西安理工大學教授，博導。主要從事水動力模擬、水災害管理、城市水利等方面的研究。博士畢業于德國柏林工業大學。2016年入選陜西百人計劃。2017年入選國家青年千人計劃。擔任陜西青志協理事會副會長，IAHR中國分會執委，中國水利學會城市水利專委會委員，兩個國際期刊專刊副主編，20余個SCI期刊的審稿人。發表學術論文50余篇。負責國家千人計劃項目、國基金、西咸新區和寧夏固原國家海綿試點科研及生產項目10余項。
深度學習技術在城市內澇監測中的應用
城市內澇過程中，開展洪澇過程監測，對建立科學的應對機制，降低內澇成災的風險，減少內澇災害引起的損失具有重要意義，且系統的內澇監測數據對城市雨洪數值模擬參數率定和模型驗證工作起到關鍵作用。如何高效、安全、精準地開展城市內澇監測，對現有水情量測科技提出了更高的要求，也是當前城市防洪排澇工作的一個重要挑戰。
傳統的城市內澇監測方式主要包括現場人工監測、輔助標記測量、儀器設備測量等，這些監測方法效率低、難度大、精度差，對人力物力財力要求較高。有些地區監測環境惡劣，且暴雨伴隨的雷電天氣導致監測過程極其危險。隨著現代信息技術的發展，為城市內澇過程科學監測提供了有效的技術途徑，其中深度學習技術受到越來越廣的關注。將深度學習技術應用于城市內澇過程監測中，能高效、安全且精準地實現內澇智能監測。
應用基于深度學習技術的城市內澇過程監測方法，首先要根據城市地區的降雨空間分布特征、城市建筑物空間格局、排水管網系統規劃布置等，建立內澇監測點優化布置方案。然后通過安裝自動高清監控設備，對內澇點積水過程進行長期實時監控，不需購置昂貴的監測儀器、不需要大量人力，便可通過遠程操作完成對內澇點積水情況的實時監測，采集到海量的圖像、視頻信息數據。最終采用深度學習技術對內澇監測點積水過程的圖像信息進行識別分析，快速自動提取不同時刻、不同地點圖像中積水的面積和邊界特征信息，準確獲取各內澇點的積水特征。
對于發生嚴重內澇情況的下沉式立交橋下等地點的監測，由于人員不能到達現場查勘，監測難度更大，可通過深度學習算法實現對立交橋下水尺圖像示數自動讀取，高效準確采集到積水深度的信息。基于深度學習技術的城市內澇監測的優勢遠優于傳統的人工監測方式，突破了傳統人工監控方法的局限性，保證了內澇監測過程中積水信息獲取的實時性、連續性和準確性，且具有低成本的優勢，為城市內澇監測工作提供了強有力的技術支持。
深度學習技術的應用將推動城市內澇監測方式的發展，也有望成為城市防洪排澇決策服務的一種重要技術手段。開展基于深度學習技術的內澇監測研究具有較好的前景和重要的實際應用價值。
