×
验证码:
换一张
忘记密码?
记住我
×
登录
中文版
|
English
资源环境科技发展态势分析平台
Global S&T Development Trend Analysis Platform of Resources and Environment
登录
注册
ALL
ORCID
题名
作者
发表日期
学科领域
关键词
文献类型
出处
存缴日期
收录类别
出版者
资助项目
学科门类
出版年
中文关键词
中文摘要
英文摘要
主题
来源平台
题名缩写
情报分析_信息来源期刊
情报分析_信息来源机构
情报分析_机构类别
情报分析_研究主题
情报分析_研究内容
情报分析_研究结论
情报分析_信息来源性质
抽取中文关键词
抽取英文关键词
学习讨论厅
图片搜索
粘贴图片网址
首页
热点头条
政策规划
学科进展
前沿热点
技术设施
态势分析
资源类型
监测信息源
在结果中检索
研究单元&专题
地球科学 [4]
气候变化 [3]
资源环境科学 [2]
学科/领域
气候变化 [5]
地球科学 [4]
资源环境 [2]
作者
Shahid, Sh... [2]
Abd Wahab,... [1]
Ahmed, Kam... [1]
Braun, M. [1]
Christenso... [1]
Clark, Ant... [1]
更多...
文献类型
期刊论文 [9]
快报文章 [2]
发表日期
2021 [2]
2020 [4]
2019 [2]
2018 [2]
2017 [1]
语种
英语 [9]
中文 [2]
出处
ATMOSPHERI... [2]
ENVIRONMEN... [2]
GEOPHYSICA... [2]
WATER RESO... [2]
地球科学快报 [2]
INTERNATIO... [1]
更多...
资助项目
收录类别
SCI-E [9]
来源平台
资助机构
情报分析_信息发布时间
×
知识图谱
GSTDTAP
开始提交
已提交作品
待认领作品
已认领作品
未提交全文
收藏管理
QQ客服
官方微博
反馈留言
浏览/检索结果:
共11条,第1-10条
帮助
已选(
0
)
清除
条数/页:
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
排序方式:
请选择
作者升序
作者降序
题名升序
题名降序
期刊影响因子升序
期刊影响因子降序
发表日期升序
发表日期降序
提交时间升序
提交时间降序
WOS被引频次升序
WOS被引频次降序
怀俄明州大学创建具有更好探测能力的地震系统模型
快报文章
地球科学快报,2021年第20期
作者:
王晓晨
Microsoft Word(16Kb)
  |  
收藏
  |  
浏览/下载:380/0
  |  
提交时间:2021/10/25
Machine learning model
Earthquake Detection and Location
机器学习模型使全球滑坡“实时预报”的准确性翻倍
快报文章
地球科学快报,2021年第13期
作者:
王立伟
Microsoft Word(15Kb)
  |  
收藏
  |  
浏览/下载:446/0
  |  
提交时间:2021/07/08
Machine learning model
landslide
Multi-model ensemble predictions of precipitation and temperature using machine learning algorithms
期刊论文
ATMOSPHERIC RESEARCH, 2020, 236
作者:
Ahmed, Kamal
;
Sachindra, D. A.
;
Shahid, Shamsuddin
;
Iqbal, Zafar
;
Nawaz, Nadeem
;
Khan, Najeebullah
收藏
  |  
浏览/下载:16/0
  |  
提交时间:2020/07/02
General circulation models
Multi-model ensemble
Taylor skill score
Machine learning algorithms
Temperature and precipitation
Pakistan
Tracking Pyrometeors With Meteorological Radar Using Unsupervised Machine Learning
期刊论文
GEOPHYSICAL RESEARCH LETTERS, 2020, 47 (8)
作者:
McCarthy, N. F.
;
Guyot, A.
;
Protat, A.
;
Dowdy, A. J.
;
McGowan, H.
收藏
  |  
浏览/下载:10/0
  |  
提交时间:2020/07/02
Wildfire
Radar
Pyrometeor
Machine Learning
Gaussian Mixture Model
Hydrometeor
Predicting spatial and temporal variability in crop yields: an inter-comparison of machine learning, regression and process-based models
期刊论文
ENVIRONMENTAL RESEARCH LETTERS, 2020, 15 (4)
作者:
Leng, Guoyong
;
Hall, Jim W.
收藏
  |  
浏览/下载:11/0
  |  
提交时间:2020/07/02
climate change
crop yield
machine learning
statistical model
crop model
Physical-empirical models for prediction of seasonal rainfall extremes of Peninsular Malaysia
期刊论文
ATMOSPHERIC RESEARCH, 2020, 233
作者:
Pour, Sahar Hadi
;
Abd Wahab, Ahmad Khairi
;
Shahid, Shamsuddin
收藏
  |  
浏览/下载:11/0
  |  
提交时间:2020/07/02
Extreme rainfall
Climate forecasting
Physical-empirical model
Machine learning algorithm
Recursive feature elimination
Detecting Climate Change Effects on Vb Cyclones in a 50-Member Single-Model Ensemble Using Machine Learning
期刊论文
GEOPHYSICAL RESEARCH LETTERS, 2019
作者:
Mittermeier, M.
;
Braun, M.
;
Hofstaetter, M.
;
Wang, Y.
;
Ludwig, R.
收藏
  |  
浏览/下载:13/0
  |  
提交时间:2020/02/17
Vb-cyclones
Machine Learning
Artificial Neural Networks (ANN)
Single-Model Large Ensembles
Internal Variability
Floods
Evaluation and machine learning improvement of global hydrological model-based flood simulations
期刊论文
ENVIRONMENTAL RESEARCH LETTERS, 2019, 14 (11)
作者:
Yang, Tao
;
Sun, Fubao
;
Gentine, Pierre
;
Liu, Wenbin
;
Wang, Hong
;
Yin, Jiabo
;
Du, Muye
;
Liu, Changming
收藏
  |  
浏览/下载:9/0
  |  
提交时间:2020/02/17
flood simulation
machine learning
global hydrological model
long short-term memory
Predicting geogenic Arsenic in Drinking Water Wells in Glacial Aquifers, North-Central USA: Accounting for Depth-Dependent Features
期刊论文
WATER RESOURCES RESEARCH, 2018, 54 (12) : 10172-10187
作者:
Erickson, M. L.
;
Elliott, S. M.
;
Christenson, C. A.
;
Krall, A. L.
收藏
  |  
浏览/下载:6/0
  |  
提交时间:2019/04/09
groundwater
arsenic
probability model
geochemistry
machine learning
domestic well
Using multi-model ensembles of CMIP5 global climate models to reproduce observed monthly rainfall and temperature with machine learning methods in Australia
期刊论文
INTERNATIONAL JOURNAL OF CLIMATOLOGY, 2018, 38 (13) : 4891-4902
作者:
Wang, Bin
;
Zheng, Lihong
;
Liu, De Li
;
Ji, Fei
;
Clark, Anthony
;
Yu, Qiang
收藏
  |  
浏览/下载:3/0
  |  
提交时间:2019/04/09
GCMs
machine learning
multi-model ensemble
random forest
support vector machine