深度学习法在水文中应用的现状
发布时间:2021-11-11 23:32
近年来,深度学习成为机器学习研究中的一个新的发展热点,通过建立与人脑相似的神经网络对数据序列进行学习,在数据的低层特征基础上抽象出高层属性类别或特征,可以很好解释和模拟复杂数据,在大数据时代尽显其优势。基于水文数据的大量性和水文原理的复杂性,掌握深度学习技术可对水文数据进行有效模拟,对水文工作起到指导作用。
【文章来源】:河南水利与南水北调. 2020,49(04)
【文章页数】:2 页
【文章目录】:
1 深度学习简介
2 深度学习在水文中的应用
2.1 水文预报
2.2 水库调度
2.3 遥感图像分类
3 未来展望
3.1 不足之处
3.1.1 数据稀缺性问题
3.1.2 原理可解释性问题
3.1.3 参数选择问题
3.2 结论与展望
【参考文献】:
期刊论文
[1]深度学习算法研究进展[J]. 田启川,王满丽. 计算机工程与应用. 2019(22)
[2]深度学习技术应用现状分析与发展趋势研究[J]. 罗荣,王亮,肖玉杰. 计算机教育. 2019(10)
[3]基于深度学习的无人机遥感影像水体识别[J]. 杜敬. 江西科学. 2017(01)
本文编号:3489754
【文章来源】:河南水利与南水北调. 2020,49(04)
【文章页数】:2 页
【文章目录】:
1 深度学习简介
2 深度学习在水文中的应用
2.1 水文预报
2.2 水库调度
2.3 遥感图像分类
3 未来展望
3.1 不足之处
3.1.1 数据稀缺性问题
3.1.2 原理可解释性问题
3.1.3 参数选择问题
3.2 结论与展望
【参考文献】:
期刊论文
[1]深度学习算法研究进展[J]. 田启川,王满丽. 计算机工程与应用. 2019(22)
[2]深度学习技术应用现状分析与发展趋势研究[J]. 罗荣,王亮,肖玉杰. 计算机教育. 2019(10)
[3]基于深度学习的无人机遥感影像水体识别[J]. 杜敬. 江西科学. 2017(01)
本文编号:3489754
本文链接:https://www.wllwen.com/projectlw/dqwllw/3489754.html