节点文献

先验门控卷积网络支持的暴雨时空过程预测

Rainstorm spatio-temporal process prediction via prior gated convolutional network

推荐 CAJ下载
PDF下载
不支持迅雷等下载工具，请取消加速工具后下载。

【作者】刘杰；

【Author】 LIU Jie;School of Information Science and Engineering, University of Jinan;State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University;

【机构】济南大学信息科学与工程学院；武汉大学测绘遥感信息工程国家重点实验室；

【摘要】 <正>暴雨不仅危害工农业生产,还易引发洪涝及地质灾害,给工农业生产、人民生命财产和城市发展带来巨大威胁。提高暴雨预测水平,能够为防灾减灾提供风险信息与决策建议,有助于提高暴雨防灾减灾能力。相较于传统数值方法,机器学习驱动的暴雨预测方法具有推理速度快、计算成本低、建模简单等优点,但仍面临着历史暴雨样本数据有限、暴雨之间时空相关性复杂以及大气因素关联复杂等问题。更多还原

【关键词】时空过程；计算成本；城市发展带；地质灾害；时空相关性；减灾能力；门控；机器学习；决策建议；减灾；

【基金】湖北省重点研发计划项目(2023BCB119)

【文献出处】测绘学报 ,Acta Geodaetica et Cartographica Sinica , 编辑部邮箱 ,2024年12期

【分类号】P457.6;TP181
【下载频次】10

知网节下载

节点文献中：

本文链接的文献网络图示:

本文的引文网络

节点文献