Zobrazeno 1 - 10
of 580
pro vyhledávání: '"Grey, S"'
Autor:
Rahman, Mashrekur, Solis, Samuel Sandoval, Harter, Thomas, Saeedimoghaddam, Mahmoud, Efron, Niv, Nearing, Grey S.
Publikováno v:
In Journal of Hydrology October 2024 642
Publikováno v:
In Journal of Hydrology November 2022 614 Part B
Autor:
Nearing, Grey S., Ruddell, Benjamin L., Clark, Martyn P., Nijssen, Bart, Peters-Lidard, Christa
Publikováno v:
Journal of Hydrometeorology, 2018 Nov 01. 19(11), 1835-1852.
Externí odkaz:
https://www.jstor.org/stable/26675154
Autor:
Arsenault, Kristi R., Nearing, Grey S., Wang, Shugong, Yatheendradas, Soni, Peters-Lidard, Christa D.
Publikováno v:
Journal of Hydrometeorology, 2018 May 01. 19(5), 815-830.
Externí odkaz:
https://www.jstor.org/stable/26502026
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
In Journal of Biotechnology 10 May 2017 249:73-81
Autor:
Grey S. Nearing, Daniel Klotz, Jonathan M. Frame, Martin Gauch, Oren Gilon, Frederik Kratzert, Alden Keefe Sampson, Guy Shalev, Sella Nevo
Publikováno v:
Hydrology and Earth System Sciences. 26:5493-5513
Ingesting near-real-time observation data is a critical component of many operational hydrological forecasting systems. In this paper, we compare two strategies for ingesting near-real-time streamflow observations into long short-term memory (LSTM) r
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::b373ba75c35030ff10e1f7ce1d33c2f7
https://doi.org/10.5194/hess-26-5493-2022
https://doi.org/10.5194/hess-26-5493-2022
Autor:
Jonathan M. Frame, Frederik Kratzert, Daniel Klotz, Martin Gauch, Guy Shalev, Oren Gilon, Logan M. Qualls, Hoshin V. Gupta, Grey S. Nearing
Publikováno v:
Hydrology and Earth System Sciences. 26:3377-3392
The most accurate rainfall–runoff predictions are currently based on deep learning. There is a concern among hydrologists that the predictive accuracy of data-driven models based on deep learning may not be reliable in extrapolation or for predicti
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::13eeb01d12d32d95d47dca41f69c12bb
https://doi.org/10.5194/hess-26-3377-2022
https://doi.org/10.5194/hess-26-3377-2022
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Journal of Hydrometeorology, 2016 Sep 01. 17(9), 2419-2430.
Externí odkaz:
https://www.jstor.org/stable/26152511