RainPrediction-MachineLearning:基于澳大利亚天气数据的降雨预测机器学习应用程序
2021-04-22 17:02:10
3.66MB
1
HMW8卫星的随机森林降雨估算
使用随机森林，从himawari-8卫星多波段数据估算雨量
模型随机森林机器学习
数据未上传是因为数据过大且保密，因为它具有处理数据的低谷。 如果您有兴趣并想查看数据，可以给我发邮件：
使用的数据IR波段Himawari 8空间分辨率：2kmx2km时间分辨率：所有波段的10分钟组合。 9段+ 36分割窗口。 在一年八月2018-七月2019
在ftp://hmwr829gr.cr.chiba-u.ac.jp/gridded/FD/V20151105/免费下载
GPM DPR KuPR空间分辨率：5.2公里x 5.2公里，可从免费下载
假设在相似的大气条件下克服万隆盆地的数据局限性，通过将数据收集扩展到Java岛的一个岛屿来进行数据采样。 该算法使用具有多个阶段的随机森林模型，即
对降雨区域进行分类对降雨回归的类型进行分类以获得降雨值。 万隆盆地有3个
2021-04-22 10:03:17
1.65MB
1
全国2010年降雨分布栅格数据，基于全国2400多个气象站点日观测数据，通过整理、计算和空间插值处理生成，空间分辨率精度为1km。
2021-04-18 16:00:42
29.96MB
1
水文模型被认为是水资源和环境资源管理的必要工具。 但是，对水力状况不佳的流域进行建模一直是水文学家和水利工程师的一项挑战。 最近进行的研究表明，通过将基于卫星的水文和气象数据纳入测量数据中，可以克服这一挑战。 本文介绍了一项研究结果，该研究使用半分布式概念性HBV光模型来模拟肯尼亚马拉河流域的降雨径流。 该模型将径流模拟为降雨的函数。 它是建立在卫星观测到的与实地降雨，蒸发，温度和实测径流量之间的基础上。 使用纳什-萨特克利夫效率（该模型称为Reff和确定系数（R2））在马拉河流域的Nyangores和Amala两个子集水区评估了模型的性能和可靠性。 在校准和（验证）期间，Nyangores和Amala的Reff分别为0.65（0.68）和0.59（0.62）。 该模型显示出良好的流动模拟，尤其是在Nyangores子汇水区的退潮期间，而对于Amala子汇水区的高流量的短期波动，其模拟效果较差。 水资源管理人员可以使用这项研究的结果来对水资源的规划和管理做出明智的决策。
2021-04-05 14:05:37
2.57MB
1
马尔默
降雨径流模型的模块化评估工具箱-用于46个概念性水文模型的Matlab代码。
MARRMoT是一种新颖的降雨-径流模型比较框架，可以对不同概念性水文模型结构之间进行客观比较。 该框架提供了用于46种独特模型结构的Matlab代码，所有模型结构的标准化参数范围以及每个模型的可靠数值实现。 该框架随附大量文档，用户手册和一些工作流脚本，这些脚本提供了如何使用该框架的示例。 MARRMoT基于单个通量函数和聚合模型函数，可实现多种可能的应用。
如果您对使用或运行代码有任何疑问，或愿意为此做出贡献，请联系wouter.knoben [-at-] usask.ca。
同行评审后的变化
MAR
2021-04-05 13:57:30
2.33MB
1