分析训练全球 2k+ 水文站数据,中科院团队发布 ED-DLSTM,实现无监测数据地区洪水预测
原文中文,约5100字,阅读约需12分钟。发表于: 。当预训练模型在智利 160 个无监测数据流域进行预测时,通过 ED-DLSTM 编码器对每个流域的特征进行可视化 (下图左侧) 和相似性分析 (下图右侧),发现预训练模型之间的平均编码相似度比随机噪声高 38.4%,说明 ED-DLSTM 的嵌入层不是无序的随机信号,而是模型识别和利用的高维特征信息,随后,编码后的向量被用作 LSTM...
根据联合国和比利时鲁汶大学的报告,全球洪水灾害数量在过去20年间增加了一倍以上,影响了165万人。中国科学院的研究团队提出了一种基于AI的洪水预测模型ED-DLSTM,通过全球超过2000个水文站的数据进行训练,解决了无监测数据流域的洪水预测问题。研究结果显示,ED-DLSTM模型在有监测数据和无监测数据流域的洪水预报方面表现优越。这一研究为全球洪水预测提供了新的方法。