Fusing stacked autoencoder and long short-term memory for regional multistep-ahead flood inundation forecasts

•Use Stacked Autoencoder (SAE) to reduce the dimension of regional inundation data.•Use PCA to adjust the network structure and initialize network weights of the SAE.•SAE-RNN nowcasts multistep-ahead regional inundation maps of typhoon events.•Offer 2D-visualization of spatio-temporal distribution o...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Journal of hydrology (Amsterdam) Ročník 598; s. 126371
Hlavní autoři:	Kao, I-Feng, Liou, Jia-Yi, Lee, Meng-Hsin, Chang, Fi-John
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier B.V 01.07.2021
Témata:	case studies data collection disaster preparedness hydrology Long short-term memory (LSTM) Multistep-ahead forecast neural networks rain Recurrent neural network (RNN) Regional flood inundation Stacked autoencoder (SAE) Taiwan uncertainty Taiwan Stacked autoencoder (SAE) Regional flood inundation Multistep-ahead forecast Long short-term memory (LSTM) Recurrent neural network (RNN)
ISSN:	0022-1694, 1879-2707
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!