★ 2
arXiv 论文：KNOU-Flood 全球径流概率预测
论文提出 KNOU-Flood，在保留单层 LSTM 与两阶段训练的基础上，引入更长输入窗口、提前期感知输入、GraphCast 第二预报源与潜噪声集成。在 2099 个测试流域上，LT1 中位 KGE' 达 0.65，LT10 达 0.48，显著优于 AIFL 复现基线。
arXiv cs.LG17 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 KNOU-Flood，在保留单层 LSTM 与两阶段训练的基础上，引入更长输入窗口、提前期感知输入、GraphCast 第二预报源与潜噪声集成。在 2099 个测试流域上，LT1 中位 KGE' 达 0.65，LT10 达 0.48，显著优于 AIFL 复现基线。