洪水是最常见的自然灾害类型，全球有近 15 亿人（约占世界人口的 19%）直接面临严重洪水事件的巨大风险。洪水还造成巨大的物质损失，每年造成全球经济损失约 500 亿美元。

近年来，人类造成的气候变化进一步增加了一些地区的洪水频率。然而，目前的预报方法主要依赖沿河而建的观测站，其在全球的分布并不均匀，这就导致未经测量的河流更难预报，其负面影响主要体现在发展中国家。升级预警系统，使这些人群能够获得准确、及时的信息，每年可以挽救数千人的生命。

如今，来自 Google Research 洪水预测团队的 Grey Nearing 及其同事开发的人工智能模型，通过利用现有的 5680 个测量仪进行训练，可预测未测量流域在 7 天预测期内的日径流。

随后，他们将该人工智能模型与全球领先的短期和长期洪水预测软件——全球洪水预警系统（GloFAS）进行了对比测试。结果显示，该模型同日预测准确率与当前系统相当甚至更高。

此外，该模型在预测重现窗口（return window）期为五年的极端天气事件时，其准确性与 GloFAS 预测重现窗口期为一年的事件时的准确性相当或更高。

相关研究论文以「Global prediction of extreme floods in ungauged watersheds」为题，已发表在权威科学期刊 Nature 上。

研究团队表示，该模型能对未测流盆地的小规模和极端洪水事件做出预警，且预警期比之前的方法都更长，并可提高发展中地区获得可靠洪水预报的机会。