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...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	Journal of hydrology (Amsterdam) Jg. 598; S. 126371
Hauptverfasser:	Kao, I-Feng, Liou, Jia-Yi, Lee, Meng-Hsin, Chang, Fi-John
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	Elsevier B.V 01.07.2021
Schlagworte:	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
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Schreiben Sie den ersten Kommentar!