返回
Domain selection in transfer learning for reference evapotranspiration estimation
DOI:10.1016/j.knosys.2025.115091.png)
摘要
En 中文
• 首次开发了一种新的领域自适应方法来模拟空间ETo值。
• 采用了实例级迁移学习来提高基于机器学习的模型性能。
• 领域相似性是模型可迁移性和泛化性的重要因素。
• 转移模型的簇内评估优于跨簇方法。
期刊
K
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
引用论文
Seasonal assessment of the grass reference evapotranspiration estimation from limited inputs using different calibrating time windows and lysimeter benchmarks使用不同的校准时间窗口和溶渗仪基准,从有限的输入对草参考蒸散量进行季节性评估

