[主旨报告]多任务深度学习在水文建模中的变量协同效应研究

多任务深度学习在水文建模中的变量协同效应研究
编号:4518 稿件编号:3529 访问权限:仅限参会人 更新:2024-04-15 20:37:17 浏览:63次 主旨报告

报告开始:2024年05月18日 17:20 (Asia/Shanghai)

报告时间:20min

所在会议:[S5] 主题5、环境科学 » [S5-1] 主题5、环境科学 专题5.6、专题5.13、专题5.7(18日下午,307)

暂无文件

摘要
随着深度学习技术在水文领域的广泛应用,本研究提出了一种基于长短期记忆网络的多任务学习方法,旨在解决传统单任务学习模型在全面捕捉水文变量间复杂关系的问题。此方法同时预测水文循环中的多个关键变量,进而探索水文变量之间的协同效应。基于CAMELS数据集训练,多任务学习模型成功实现了对流量和蒸散发的同步预测,并通过神经网络单元状态派生的探针技术,预测如表层土壤湿度的非直接训练目标变量。研究结果表明,该模型不仅在预测性能上与单任务学习模型相当,还在增强模型的可靠性及深化对水文过程理解方面表现出显著优势。通过引入“变量协同”概念,本研究为深入研究多水文变量复杂关系开辟新途径,突显了多任务学习方法在水文领域的重要潜力。
关键字
多任务学习,LSTM
报告人
叶磊
教授 大连理工大学

稿件作者
叶磊 大连理工大学
发表评论
验证码 看不清楚,更换一张
全部评论
● 会务总协调  

● 学术安排

 

辜克兢

13950003604

gukejing@xmu.edu.cn

辜克兢

13950003604

gukejing@xmu.edu.cn

柳    欣

13806024185

liuxin1983@xmu.edu.cn

窦    恒

18627754021

douheng@chytey.com

孙佳妮

15201086188

scarlett@chytey.com

刘    琳

13313708075

lliu@iue.ac.cn

 

● 会场技术服务

 

李    虎

柳    欣

18965842343

13806024185

hli@iue.ac.cn

liuxin1983@xmu.edu.cn
李招英

13860473552

lizhaoying@xmu.edu.cn

     
           
● 会场安排   ● 会议注册  

辜克兢

13950003604

gukejing@xmu.edu.cn

胡勤梅 13554192326

mary@chytey.com

窦    恒

18627754021

douheng@chytey.com

孙晓笛 18813296455 xiaodi.sun@xmu.edu.cn
           
● 商业赞助   ● 会议财务  
朱    佳 13950159036

zhujia@xmu.edu.cn

许心雅 18005960255 xuxinya@xmu.edu.cn
           

海报张贴

 

● 酒店预定及咨询

 
张    君 13860426122 junzhang@xmu.edu.cn

李    璟

18627754146

lijing@chytey.com

卢    巍 18971567453 luwei@chytey.com      

 

登录 注册缴费 酒店预订