用于社会水文学的强化学习
机器学习
2024-06-03 v1 计算机与社会
摘要
在这项研究中，我们讨论了强化学习（RL）如何为解决社会水文学问题提供一个有效且高效的框架。RL 对于这类问题的有效性是显而易见的，因为它能够以迭代的方式更新策略——这也是社会水文学的基础，我们感兴趣的是表征人类-水相互作用的共同演化。我们提出了一个简单的案例研究，以演示 RL 在与土地利用/土地覆盖（LULC）变化相关的管理决策中减少径流问题上的实现。然后，我们讨论了 RL 对于这类问题的优势，并分享了我们对这一领域未来研究方向的看法。
引用
@article{arxiv.2405.20772,
title = {Reinforcement Learning for Sociohydrology},
author = {Tirthankar Roy and Shivendra Srivastava and Beichen Zhang},
journal= {arXiv preprint arXiv:2405.20772},
year = {2024}
}