面向大规模洪水预报的机器学习方法
机器学习
2019-01-29 v1 机器学习
摘要
大规模有效的河流洪水预报受到诸多因素的阻碍，最显著的是当前方法依赖人工标定、特定地点数据量有限，以及构建足够精确的洲际/全球尺度模型存在计算困难。机器学习(ML)在此情形下大有可为：学习到的模型在复杂高维场景中常超越人类专家，且迁移或多任务学习框架是利用局部信号提升全局性能的一种有吸引力的方案。我们提议基于这些优势构建 ML 系统，以实现及时且准确的河流洪水预测。
引用
@article{arxiv.1901.09583,
title = {ML for Flood Forecasting at Scale},
author = {Sella Nevo and Vova Anisimov and Gal Elidan and Ran El-Yaniv and Pete Giencke and Yotam Gigi and Avinatan Hassidim and Zach Moshe and Mor Schlesinger and Guy Shalev and Ajai Tirumali and Ami Wiesel and Oleg Zlydenko and Yossi Matias},
journal= {arXiv preprint arXiv:1901.09583},
year = {2019}
}
备注
The 2-page paper sent to NeurIPS 2018 AI for social good workshop