预测洪水损害缓解的大坝流入是重要的。水文照片提供关键信息,例如开始时间,峰值等级和体积。特别是,大坝管理需要基于未来水文的大坝流入预测的6小时递送时间。作者提出了新的目标流入权重,以产生从分析的海面图像中提取的海洋特征向量。我们在预训练的VGG16网络的FC6层中提取了尺寸向量的4,096个元素。随后,我们将其减少到T-SNE的三个维度。此外,我们使用PCA创建了海温重量的主要成分。我们发现这些重量有助于通过数值实验的预测性重要性的稳定性。作为基础回归模型,我们通过核心扩展进行校准最小二乘性,定量随机森林最小化袋误差,以及与多项式内核的支持向量回归。当我们计算预测的重要性时,我们可视化我们所提出的权重引入的每个变量重要性的稳定性,与其他没有重量的结果相比。我们将我们的方法应用于日本的Kanto地区的大坝,专注于2007年至2018年的训练有素的术语,从6月到10月有一个有限的洪水期限。我们在2019年的洪水期间测试准确性。最后,我们展示了应用的结果和进一步的统计学习,对未知的洪水预测。
translated by 谷歌翻译