已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Real-time rainfall and runoff prediction by integrating BC-MODWT and automatically-tuned DNNs: Comparing different deep learning models

地表径流 计算机科学 深度学习 环境科学 人工智能 生态学 生物
作者
Amirmasoud Amini,Mehri Dolatshahi,Reza Kerachian
出处
期刊:Journal of Hydrology [Elsevier]
卷期号:631: 130804-130804 被引量:6
标识
DOI:10.1016/j.jhydrol.2024.130804
摘要

The development of reliable rainfall and runoff prediction models holds significant importance in the domains of flood forecasting, early warning systems, and sustainable water resources planning and management. This research successfully enhances the accuracy of rainfall and runoff predictions by integrating the BC-MODWT (boundary-corrected maximal overlap discrete wavelet transform) preprocessing technique with various univariate and multivariate automatically tuned DNNs (deep neural networks). To do so, this research utilizes distinct Daubechies mother wavelets, namely db1, db2, and db3, at different levels of decomposition, to enhance the accuracy of rainfall and runoff prediction in an urban catchment with low time of concentration. The aforementioned framework is applied to the EDC (East Drainage Catchment) of Tehran city. Random search is used as an automatic hyperparameter tuning technique for univariate and multivariate DNNs. The results illustrate that the utilization of the BC-MODWT technique along with the automatically-tuned DNNs significantly improves the prediction performance compared to the automatically-tuned DNNs (i.e., increases NSE values from 0.54 to 0.97). Furthermore, the performance of top automatically-tuned BC-MODWT-DNNs is compared in terms of their accuracy in predicting rainfall hyetograph and peak flow. Therefore, it can be concluded that the automatically-tuned BC-MODWT-DNNs, especially univariate ConvLSTM and CNN-Bi-LSTM integrated with BC-MODWT, can be effectively used for rainfall and runoff prediction in urban areas with low time of concentration.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Shrimp完成签到 ,获得积分10
刚刚
Moonlight完成签到,获得积分10
1秒前
何不食肉糜完成签到 ,获得积分10
1秒前
yyymmma完成签到,获得积分10
1秒前
任性静祝完成签到 ,获得积分10
2秒前
龙卡烧烤店完成签到,获得积分0
3秒前
卡琳完成签到 ,获得积分10
3秒前
畅快代柔完成签到 ,获得积分10
3秒前
科研通AI2S应助科研通管家采纳,获得10
4秒前
田様应助科研通管家采纳,获得10
4秒前
ccm应助科研通管家采纳,获得30
4秒前
在水一方应助科研通管家采纳,获得10
4秒前
wanci应助科研通管家采纳,获得10
4秒前
4秒前
zzzhhh完成签到,获得积分10
4秒前
老师心腹大患完成签到,获得积分10
4秒前
不远完成签到,获得积分10
5秒前
baihehuakai完成签到 ,获得积分10
5秒前
啊哒吸哇完成签到,获得积分10
5秒前
qianzhihe完成签到,获得积分10
5秒前
晓风完成签到,获得积分10
5秒前
Vision820完成签到,获得积分10
6秒前
飞快的冰淇淋完成签到 ,获得积分10
6秒前
大小罐子完成签到,获得积分10
6秒前
直率栾完成签到 ,获得积分10
7秒前
虚幻雁荷完成签到 ,获得积分10
8秒前
9秒前
陈尹蓝完成签到 ,获得积分10
9秒前
9秒前
chiyudoubao完成签到 ,获得积分10
10秒前
11秒前
Suchen完成签到 ,获得积分10
11秒前
11秒前
Ranrunn完成签到 ,获得积分10
12秒前
背后绝音发布了新的文献求助10
13秒前
ttgx完成签到,获得积分10
14秒前
14秒前
klio完成签到 ,获得积分10
14秒前
long完成签到 ,获得积分10
15秒前
yuyuyu完成签到,获得积分10
15秒前
高分求助中
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
宽禁带半导体紫外光电探测器 388
COSMETIC DERMATOLOGY & SKINCARE PRACTICE 388
Pearson Edxecel IGCSE English Language B 300
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3142459
求助须知:如何正确求助?哪些是违规求助? 2793361
关于积分的说明 7806531
捐赠科研通 2449661
什么是DOI,文献DOI怎么找? 1303364
科研通“疑难数据库(出版商)”最低求助积分说明 626861
版权声明 601309

今日热心研友

ccm
30
清脆松
2
注:热心度 = 本日应助数 + 本日被采纳获取积分÷10