利用更少信息进行精确水文建模
机器学习
2019-11-22 v1 机器学习
摘要
联合模型是机器学习与物理科学交叉领域中一种常见且重要的工具，尤其在真实世界测量稀缺的情形下。降雨-径流建模是水文学的主要挑战之一，近期该领域的发展表明，在这一重要背景下共享表示的联合模型具有价值。然而，当前最先进的模型依赖于详细可靠的、刻画每个站点的属性，以帮助模型正确区分不同站点的行为。这种依赖性在数据匮乏地区可能构成挑战。在本文中，我们表明可以用完全数据驱动的习得嵌入来替代对此类位置特定属性的需求，并以更少的信息匹配先前的最先进结果。
引用
@article{arxiv.1911.09427,
title = {Accurate Hydrologic Modeling Using Less Information},
author = {Guy Shalev and Ran El-Yaniv and Daniel Klotz and Frederik Kratzert and Asher Metzger and Sella Nevo},
journal= {arXiv preprint arXiv:1911.09427},
year = {2019}
}