An optimized long short-term memory (LSTM)-based approach applied to early warning and forecasting of ponding in the urban drainage system

Zhu, Wen; Tao, Tao; Yan, Hexiang; Yan, Jieru; Wang, Jiaying; Li, Shuping; Xin, Kunlun

Vorschau

Einordnung

Erschienen in:
Hydrology and Earth System Sciences
Bd. 27, H. 10 (05.2023), S. 2035-2050
Band:
27
Heft:
10
Erscheinungsdatum:
05.2023
DOI:
10.5194/hess-27-2035-2023
Sonstiger Identifikator (importID):
oai:publications.copernicus.org:hess106159
Sprache:
Englisch
Ressourcentyp:
Text
Verlag:
Copernicus Publications
Art der Ablieferung:
Verlagsveröffentlichung
Link zum Volltext:
https://hess.copernicus.org/articles/27/2035/2023/hess-27-2035-2023.pdf

Zitieren

Zitierform:

Zhu, Wen / Tao, Tao / Yan, Hexiang / et al: An optimized long short-term memory (LSTM)-based approach applied to early warning and forecasting of ponding in the urban drainage system. 2023. Copernicus Publications.

Zugriffsstatistik

Gesamt:
Volltextzugriffe:
Metadatenansicht:
12 Monate:
Volltextzugriffe:
Metadatenansicht:

Grafik öffnen

Rechte

Rechteinhaber: Wen Zhu et al.

Nutzung und Vervielfältigung:

Export

BibTeX, MODS, MARCXML, RIS, ISI, PICA, CSV, DC