Presentation Details
多任务深度学习在水文建模中的变量协同效应研究
ID：4518
View Protection：ATTENDEE
Updated Time：2024-04-15 20:37:17
Hits：2328
Keynote speech
Start Time：2024-05-18 17:20（Asia/Shanghai）
Duration：20min
Session：S5 主题5、环境科学 »
No files
Abstract
随着深度学习技术在水文领域的广泛应用，本研究提出了一种基于长短期记忆网络的多任务学习方法，旨在解决传统单任务学习模型在全面捕捉水文变量间复杂关系的问题。此方法同时预测水文循环中的多个关键变量，进而探索水文变量之间的协同效应。基于CAMELS数据集训练，多任务学习模型成功实现了对流量和蒸散发的同步预测，并通过神经网络单元状态派生的探针技术，预测如表层土壤湿度的非直接训练目标变量。研究结果表明，该模型不仅在预测性能上与单任务学习模型相当，还在增强模型的可靠性及深化对水文过程理解方面表现出显著优势。通过引入“变量协同”概念，本研究为深入研究多水文变量复杂关系开辟新途径，突显了多任务学习方法在水文领域的重要潜力。
Keywords
多任务学习,LSTM
Speaker
叶磊
教授 大连理工大学Submission Author
All Comments
Important Date
-
Conference Date
May 17
2024
toMay 20
2024
-
Mar 31 2024
Draft paper submission deadline
-
Mar 31 2024
Contribution Submission Deadline
-
May 20 2024
Registration deadline
Sponsored By
青年地学论坛理事会
Organized By
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
中国科学院城市环境研究所
自然资源部第三海洋研究所
Contact Information
- 辜克兢（会务总协调、会场安排、学术安排）
- gu******@xmu.edu.cn
- 139********
- 柳欣（会务总协调）
- li******@xmu.edu.cn
- 138********
- 孙佳妮（会务总协调）
- sc******@chytey.com
- 152********
- 窦恒（会场安排、学术安排）
- do******@chytey.com
- 186********
- 李招英（会场技术服务）
- li******@xmu.edu.cn
- 138********
- 刘琳（学术安排）
- ll******@iue.ac.cn
- 133********
- 李虎（学术安排）
- hl******@iue.ac.cn
- 189********
- 柳欣（学术安排）
- li******@xmu.edu.cn
- 138********
- 胡勤梅（会议注册）
- ma******@chytey.com
- 135********
- 孙晓笛（会议注册）
- xi******@xmu.edu.cn
- 188********
- 许心雅（会议财务）
- xu******@xmu.edu.cn
- 180********
- 朱佳（商业赞助）
- zh******@xmu.edu.cn
- 139********
- 张君（海报张贴）
- ju******@xmu.edu.cn
- 138********
- 卢巍（海报张贴）
- lu******@chytey.com
- 189********
- 李璟（酒店预订及咨询）
- li******@chytey.com
- 186********
Submit Comment