BriefGPT - AI 论文速递
·
利用 Google Earth Engine (GEE) 分析选定的水电站水域的降雨和水域变化：以斯里兰卡和越南两个热带国家为例的案例研究
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
该研究使用气象时间序列数据和静态流域属性，通过LSTMs单个模型对531个流域进行训练，提高了性能。同时，提出了Entity-Aware-LSTM的改进网络架构。
🎯
关键要点
- 研究使用气象时间序列数据和静态流域属性。
- 提出了一种基于数据驱动的方法。
- 使用LSTMs单个模型对531个流域进行训练，显著提高了性能。
- 该方法表现优于符合地区性条件的水文模型和针对单个流域进行校准的水文模型。
- 提出了Entity-Aware-LSTM的改进网络架构。
- 改进网络架构支持学习、嵌入和特征层深度学习。
- 提出的背景与之前的水文理解相符。
➡️
