hydrology | BriefGPT - AI 论文速递

关键词hydrology

搜索结果 - 9

利用循环神经网络在陆面模型中实现河水路由
借助机器学习和递归神经网络 (RNNs) 的方法，通过物理模型替代或补充，本研究针对水文学中全球河流预测的问题进行了研究，并发现 RNNs 在流域和时间的泛化能力上的高性能，为全球流域数量预测提供了新方法和证据。
PDF2 months ago
机器学习在生态学和水文学中领域适应性的潜力以提高模型的外推能力
目前生态学和水文学的机器学习模型在全球的代表性以及由缺乏外推能力而导致的局限性方面存在问题，建议未来的建模工作应考虑使用领域适应技术来改善外推能力。
PDF4 months ago
极端适应模型之极坐标表示学习的长期时间序列预测
本文提出了距离加权自正则化神经网络（DAN）模型，用于改进极端天气事件的长期水文流量预测。在四个真实水文流量数据集上验证，DAN 模型在超过其他水文时间序列预测方法和长期时间序列预测方法方面表现出显著的优越性。
PDF7 months ago
水文反演模型中的不确定性量化
通过使用降水量和天气数据来逆向建模河流流量和恢复地理特征，我们的模型比现有模型更准确和可解释，能够提供不确定性量化结果，从而改进河流流量的预测。
PDF9 months ago
用 Transformer 网络探测水文预测的极限
本文研究发现，普通 Transformer 结构在水文建模方面的性能不如 LSTM 结构；去除循环结构的变体可以与 LSTM 相媲美，但是与当前最先进技术相比性能并不突出。
PDFa year ago
时序融合 Transformer 用于流量预测：结合注意力与循环的价值
本文研究了结合循环和注意力的方法是否能够提高水文预测的精度并将 Temporal Fusion Transformer (TFT) 模型应用于水文学领域。在 2600 个以上的全球分布的集水区的实验表明，TFT 模型的表现超过了 LSTM
PDFa year ago
物理引导机器学习方法在水文学中的应用
本文提出一种基于 LSTM 的深度学习结构，结合前沿的水文模型 SWAT，通过建模天气驱动和产流之间的中间交互过程，实现对径流预测的精确预测，同时减少了传统数据驱动方法所需的大量数据。
PDF4 years ago
深度学习在水文水资源领域的全面综述
系统回顾了近期应用于水资源监测、管理和沟通的深度学习方法，并提供了在未来水资源挑战中如何使用这些方法的指南。同时讨论了在水域应用这些技术进行决策的伦理问题和挑战，并提供了应用深度学习模型于水文和水资源领域的未来发展方向和建议。
PDF4 years ago
神经水文 -- 解释 LSTM 在水文学中的应用
研究使用 LSTM 网络进行降雨径流预测及分析，以此探究它在水文学领域中的应用及其内部学习机制。
PDF5 years ago