arrow
返回

Testing machine learning algorithms as post-processing tools for hydro-meteorological modelling over a small river basin

delete2025-06-26
delete0
PRE
AI
C
Chengjing Xu
P
Ping‐an Zhong *
S
Silvio Davolio
O
Oxana Drofa
E
Enrico Gambini
G
Giovanni Ravazzani
A
Alessandro Ceppi
DOI:10.1016/j.envsoft.2025.106592delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
• 混合框架集成了MOLOCH气象、FEST水文和集合机器学习模型。 • 实时校正采用通过堆叠(Stacking)集成的多种机器学习算法。 • 该框架专门设计用于提升小型快速响应河流流域的小时径流预报。 • 与AR和LSTM模型进行的广泛评估证明了该框架的有效性。

期刊

E
Environmental Modelling and Software
IF:
4.6
论文数:
511
被引数:
1.8W

机构

H
Hohai University
学者数:
2.3W
论文数: 1.8W
被引数: 2.1W
P
Politecnico di Milano
学者数:
1.1K
论文数: 524
被引数: 2.0W
U
università di milano
学者数:
149
论文数: 48
被引数: 0
学者 查看更多机构
引用论文

引用论文

REGRESSION, AUTOREGRESSION MODELS
err2008-05-02
err0
PREAI
errE. J. Hannan; L. Kavalieris
err分享
err收藏
From Deterministic to Probabilistic Forecasts: The ‘Shift-Target’ Approach in the Milan Urban Area (Northern Italy)
err2018-05-15
err0
errOAAI
errGabriele Lombardi; Alessandro Ceppi; Giovanni Ravazzani; Silvio Davolio; Marco Mancini
err分享
err收藏
CH-RUN: a deep-learning-based spatially contiguous runoff reconstruction for SwitzerlandCH-RUN: 瑞士基于深度学习的空间连续径流重建
err2025-02-27
err0
errOAAI
errKraft, Basil; Schirmer, Michael; Aeberhard, William H.; Zappa, Massimiliano; Seneviratne, Sonia I.; Gudmundsson, Lukas
err分享
err收藏
err分享
err收藏
学者 查看更多内容