.png){kind=icon}
返回
Reconstructing Missing Streamflow Data in Mountainous, Snow-Dominated Regions Using Optimized Hybrid Machine Learning
.png){kind=icon}
OA
AI
DOI：10.1007/s11269-025-04245-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
精确的径流估算对于水文学研究和水资源管理至关重要，特别是在山地、雪占主导地位的地区，缺失数据可能会显著损害流域建模和水资源预算评估。本研究提出了一种先进的混合机器学习框架，用于在土耳其东部埃rzurum省幼发拉底-卡拉苏盆地内一个雪量丰富的子流域中战略性地布置的观测站处插补缺失的径流记录。利用1983-2023年期间收集的每日气象和水文数据，我们开发并严格评估了多个预测模型，使用了全面的性能指标和基于排名的分析。除了包括单个人工神经网络（ANN）、CatBoost和深度神经网络（DNN）等传统方法外，本研究还比较了创新性的混合模型，其中ANN参数通过鲸鱼优化算法（WOA）和 hydrologic cycle algorithm（HCA）进行优化。值得注意的是，混合模型在预测精度上优于传统方法，从而突显了它们在挑战性地形中填补数据空缺的潜力。结果表明，所提出的框架是有效的，并有望成为未来流域建模、干旱评估和水资源预算分析研究的一个稳健的方法论基础。
Keyword:
Artificial neural network
CatBoost
Deep neural network
Hydrologic cycle algorithm
Whale optimization algorithm
Missing streamflow data
期刊
IF:
4.7
论文数:
8.1K
被引数:
1.6W
机构
引用论文
Ensemble Approach: XGBoost, CATBoost, and LightGBM for Diabetes Mellitus Risk Prediction集成方法：XGBoost、CATBoost和LightGBM用于糖尿病风险预测
PREAI
分享收藏A hybrid deep learning algorithm and its application to streamflow prediction一种混合深度学习算法及其在流预测中的应用.png)
JOURNAL OF HYDROLOGY
JOURNAL OF HYDROLOGYIF6.3
PREAI
分享收藏
Customer Decision Prediction Using Deep Neural Network on Telco Customer Churn Data使用深度神经网络对电信客户流失数据的客户决策进行预测OAAI
OAAI分享收藏Estimation and analysis of missing temperature data in high altitude and snow-dominated regions using various machine learning methods高海拔和雪覆盖地区缺失温度数据的估计与分析：基于多种机器学习方法
PREAI
分享收藏
查看更多内容