经典与量子机器学习模型的洪水预测
机器学习
2024-07-02 v1 人工智能
地球物理
量子物理
摘要
本研究探讨了量子机器学习在改进洪水预测方面的潜力。我们聚焦于2023年德国沃普特河的日常洪水事件。我们的方案将经典机器学习技术与QML技术相结合，这种混合模型利用量子特性（如叠加和纠缠）以实现更高的精度和效率。对比经典与QML模型的训练时间、精度和可扩展性，结果表明QML模型在训练时间上具有竞争力，预测精度得到提高。这项研究标志着利用量子技术应对气候变化适应性的一步步征程。我们强调需加强合作与持续创新，将此模型在实际的洪水管理中实施，从而增强全球对洪水的韧性。
引用
@article{arxiv.2407.01001,
title = {Flood Prediction Using Classical and Quantum Machine Learning Models},
author = {Marek Grzesiak and Param Thakkar},
journal= {arXiv preprint arXiv:2407.01001},
year = {2024}
}