PulseAugur
中
实时 05:19:15
English(EN) AIFL: A Global Daily Streamflow Forecasting Model Using a Deterministic LSTM Pre-trained on ERA5-Land and Fine-tuned on IFS

AI模型AIFL提高了全球流量预测的准确性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了AIFL，一种用于全球逐日流量预测的新型LSTM模型。该模型采用两阶段迁移学习方法，首先在ERA5-Land再分析数据上进行预训练，然后在业务集成预报系统（IFS）数据上进行微调。这种方法有效地弥合了历史再分析和业务预报产品之间的性能差距。在独立测试集上，AIFL实现了0.66的中位数修正Kling-Gupta效率（KGE'）和0.53的中位数Nash-Sutcliffe效率（NSE），显示出与现有最先进的全球系统相当的准确性。 AI

影响 该模型为全球水文预报提供了强大的基准，有望改善水资源管理和洪水防备。

排序理由 该集群包含一篇详细介绍特定科学应用新AI模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

AI模型AIFL提高了全球流量预测的准确性

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Maria Luisa Taccari, Kenza Tazi, Ois\'in M. Morrison, Andreas Grafberger, Juan Colonese, Corentin Carton de Wiart, Christel Prudhomme, Cinzia Mazzetti, Matthew Chantry, Florian Pappenberger ·

    AIFL：一个使用在ERA5-Land上预训练并在IFS上微调的确定性LSTM的全球逐日流量预测模型

    arXiv:2602.16579v2 Announce Type: replace-cross Abstract: Reliable global streamflow forecasting is essential for flood preparedness and water resource management, yet data-driven models often suffer from a performance gap when transitioning from historical reanalysis to operatio…

相关实体

相关话题