.png){kind=icon}
返回
Forecasting sea level maxima using Machine learning with explainability and extreme value analysis
.png){kind=icon}
OA
AI
DOI：10.1016/j.jag.2025.105064.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 为波罗的海每日SLM预报开发的贝叶斯优化机器学习（RF、MLP、XGB）和深度学习（CNN-GRU、CNN-LSTM）模型。
• 神经网络模型优于树基模型；CNN-GRU展现出最佳泛化能力（RMSE为7–15 cm）。
• 模型通过精确度、召回率和F1分数捕捉了跨多个警报阈值的暴风雨驱动型极端事件。
• 可解释性分析揭示了区域驱动因素：预填充效应占主导，其中东部受气压/风影响，西部受BSI影响。
• >150 cm的罕见极端事件被低估；EVT分析表明，这些极端事件在波罗的海东北部的冬季重现期为5–7年。
Keyword:
Extreme sea-level prediction
Sea level forecasting
Baltic Sea
Extreme value analysis
Machine Learning
Explainable machine learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
8.6
论文数:
5.3K
被引数:
2.4W
机构
引用论文
Uncertainties and discrepancies in the representation of recent storm surges in a non-tidal semi-enclosed basin: a hindcast ensemble for the Baltic Sea.png)
OCEAN SCIENCE
OAAI
OCEAN SCIENCEIF3.3
OAAI分享收藏Application of the Probability of Extreme Sea Levels at Selected Baltic Sea Tide Gauge StationsWATEROAAI
WATERIF3
OAAI分享收藏Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation使用RNN编码器-解码器学习统计机器翻译的短语表示OAAI
OAAI分享收藏Linear and nonlinear ensemble deep learning models for karst spring discharge forecastingJOURNAL OF HYDROLOGY
JOURNAL OF HYDROLOGYIF6.3
PREAI
分享收藏Rapid prediction of peak storm surge from tropical cyclone track time series using machine learningCOASTAL ENGINEERINGOAAI
COASTAL ENGINEERINGIF4.5
OAAI分享收藏
查看更多内容