机译:基于物理知识的深度学习和LIDAR测量的时空风场预测
Univ Warwick Sch Engn Intelligent Control & Smart Energy ICSE Res Grp Coventry W Midlands England;
Univ Warwick Sch Engn Intelligent Control & Smart Energy ICSE Res Grp Coventry W Midlands England;
Deep learning; LIDAR measurements; Physics-informed neural networks; Wind field prediction;
机译:基于物理信息的三维时空风场重建深入学习
机译:使用集成深度学习框架将地面观测与化学迁移模型预测相结合的融合方法:在中国估算2014-2017年时空分辨PM_(2.5)暴露场的应用
机译:融合方法将地面级观测与化学传输模型预测结合使用集合深层学习框架:在中国应用在2014 - 2017年估算时空分解的PM_(2.5)曝光场
机译:基于潜在能源场的交通流预测可解释的时空深度学习模型
机译:使用协方差小波变换(CWT)从基于地面的风廓线仪和激光雷达测量中确定行星边界层高度。
机译:利用基于LiDAR的DTM绘制深层泥炭碳库和进行现场测量并将其应用于苏门答腊东部
机译:基于双多普勒激光雷达测量重建风力机尾迹二维水平风场的方法
机译:用于地面和卫星激光雷达测量之间比较的时空路径匹配