HA.216 [分布式径流模型] 基于物理过程与深度学习耦合的分布式径流模型在数据稀疏区域的开发

文章预览

作者简介｜ PROFILE PROFILE 钟亮金 ，清华大学水利系博士四年级学生，导师为雷慧闽副教授。相关论文发表于 Water Resources Research 和 Journal of Hydrology. 主要研究方向 ：变化气候下青藏高原径流机理认识和高精度预报 联系方式 ：zhonglj21@mails.tsinghua.edu.cn 引文链接 ｜CITATION Zhong, L., Lei, H., & Yang, J. (2024). Development of a distributed physics-informed deep learning hydrological model for data-scarce regions. Water Resources Research , 60, e2023WR036333. https://doi.org/10.1029/2023WR036333   关键词 ｜KEYWORDS 分布式，混合模型，物理引导的深度学习模型，数据稀疏区域 摘要 ｜ABSTRACT ‍ 传统基于物理模型的方法在数据稀疏流域的模拟精度有限；现有基于大样本训练的深度学习模型在水文代表性差的缺资料流域（如高寒山区）应用受限，即使迁移学习方法也需要相当数量的数据进行再训练微调。 为此 ………………………………