机译:基于长期内存(LSTM)的模型,用于预测农业区水台深度
Wuhan Univ Sch Math &
Stat Wuhan 430072 Hubei Peoples R China;
Wuhan Univ State Key Lab Water Resources &
Hydropower Engn S Wuhan 430072 Hubei Peoples R China;
Wuhan Univ Sch Math &
Stat Wuhan 430072 Hubei Peoples R China;
Florida State Univ Dept Earth Ocean &
Atmospher Sci Tallahassee FL 32306 USA;
Wuhan Univ State Key Lab Water Resources &
Hydropower Engn S Wuhan 430072 Hubei Peoples R China;
Machine-learning model; Water table depth; Deep learning; LSTM; Hetao Irrigation District;
机译:基于长期内存(LSTM)的模型,用于预测农业区水台深度
机译:使用长短期内存网络连接水位深度异常,在欧洲降水异常
机译:遗传程序与神经模糊系统的比较,以预测短期地下水位波动
机译:基于流行学习预测空气污染指数的长短期内存神经网络模型
机译:基于物理和数据驱动模型的开发,以预测农田中径流水中的污染物负荷
机译:基于模型预测控制的自动水下航行器深度跟踪控制能耗优化
机译:审查稿件2020-382“使用长短短期内存网络将水桌深度异常连接到欧洲上的降水异常”由Ma等人。