Presentation Details
基于深度学习的流域洪水预报及数值求解优化
ID：4520
View Protection：ATTENDEE
Updated Time：2024-04-15 19:39:59 Hits：2178
Oral Presentation
Start Time：2024-05-18 18:04（Asia/Shanghai）
Duration：8min
Session：S5 主题5、环境科学 »
No files
Abstract
径流和洪水预报是水文学中长期存在的挑战。传统模型容易受到稀疏参数和校准程序复杂的限制，尤其是在无计量流域。我们提出一种新的混合深度学习模型，称为编码器-解码器双层LSTM（ED-DLSTM），以解决全球尺度上任意（有计量和无计量）流域的径流预测问题。利用历史数据集，ED-DLSTM在美国、加拿大、中欧和英国的2000多个集水区得出平均Nash-Sutcliffe效率系数（NSE）为0.75，突出了最先进的机器学习对传统水文模型的改进。此外，ED-DLSTM在智利160个无计量流域进行了泛化，76.9%的流域在最佳情况下NSE>0。ED-DLSTM的跨区域能力是通过增加一个空间属性编码模块所诱导的单元状态来建立的，该模块专门对流域属性进行空间编码。研究表明，深度学习方法有潜力克服物理模型结构和参数化方面的不足。
Keywords
深度学习、径流预测
Speaker
张滨兰
硕士研究生 成都理工大学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