Advanced Hydroinformatics (eBook)

Machine Learning and Optimization for Water Resources
eBook Download: EPUB
2023 | 1. Auflage
480 Seiten
John Wiley & Sons (Verlag)
978-1-119-63934-3 (ISBN)

Lese- und Medienproben

Advanced Hydroinformatics -
Systemvoraussetzungen
181,99 inkl. MwSt
  • Download sofort lieferbar
  • Zahlungsarten anzeigen
Applying machine learning and optimization technologies to water management problems

The rapid development of machine learning brings new possibilities for hydroinformatics research and practice with its ability to handle big data sets, identify patterns and anomalies in data, and provide more accurate forecasts.

Advanced Hydroinformatics: Machine Learning and Optimization for Water Resources presents both original research and practical examples that demonstrate how machine learning can advance data analytics, accuracy of modeling and forecasting, and knowledge discovery for better water management.

Volume Highlights Include:

* Overview of the application of artificial intelligence and machine learning techniques in hydroinformatics

* Advances in modeling hydrological systems

* Different data analysis methods and models for forecasting water resources

* New areas of knowledge discovery and optimization based on using machine learning techniques

* Case studies from North America, South America, the Caribbean, Europe, and Asia

The American Geophysical Union promotes discovery in Earth and space science for the benefit of humanity. Its publications disseminate scientific knowledge and provide resources for researchers, students, and professionals.

Gerald A. Corzo Perez, IHE Delft Institute for Water Education, The Netherlands Dimitri P. Solomatine, IHE Delft Institute for Water Education, and Delft University of Technology, The Netherlands, and Water Problems Institute of the Russian Academy of Sciences, Moscow, Russia

List of Contributors vii

Preface xi

1 Hydroinformatics and Applications of Artificial Intelligence and Machine Learning in Water-RelatedProblems 1
Gerald A. Corzo Perez and Dimitri P. Solomatine

Part I Modeling Hydrological Systems

2 Improving Model Identifiability by Driving Calibration With Stochastic Inputs 41
Andreas Efstratiadis, Ioannis Tsoukalas, and Panagiotis Kossieris

3 A Two-Stage Surrogate-Based Parameter Calibration Framework for a Complex DistributedHydrological Model 63
Haiting Gu, Yue-Ping Xu, Li Liu, Di Ma, Suli Pan, and Jingkai Xie

4 Fuzzy Committees of Conceptual Distributed Model 99
Mostafa Farrag, Gerald A. Corzo Perez, and Dimitri P. Solomatine

5 Regression-Based Machine Learning Approaches for Daily Streamflow Modeling 129
Vidya S. Samadi, Sadgeh Sadeghi Tabas, Catherine A. M. E. Wilson, and Daniel R. Hitchcock

6 Use of Near-Real-Time Satellite Precipitation Data and Machine Learning to Improve Extreme RunoffModeling 149
Paul Muñoz, Gerald A. Corzo Perez, Dimitri P. Solomatine, Jan Feyen, and Rolando Célleri

Part II Forecasting Water Resources

7 Forecasting Water Levels Using Machine (Deep) Learning to Complement Numerical Modeling in theSouthern Everglades, USA 179
Courtney S. Forde, Biswa Bhattacharya, Dimitri P. Solomatine, Eric D. Swain, and Nicholas G. Aumen

8 Application of a Multilayer Perceptron Artificial Neural Network (MLP-ANN) in HydrologicalForecasting in El Salvador 213
Jose Valles

9 Noise Filter With Wavelet Analysis in Artificial Neural Networks (NOWANN) for Flow Time SeriesPrediction 241
Daniel A. Vázquez, Gerald A. Corzo Perez, and Dimitri P. Solomatine

Part III Knowledge Discovery and Optimization

10 Application of Natural Language Processing to Identify Extreme Hydrometeorological Events inDigital News Media: Case of the Magdalena River Basin, Colombia 285
Santiago Duarte, Gerald A. Corzo Perez, Germán Santos, and Dimitri P. Solomatine

11 Three-Dimensional Clustering in the Characterization of Spatiotemporal Drought Dynamics: ClusterSize Filter and Drought Indicator Threshold Optimization 319
Vitali Diaz, Gerald A. Corzo Perez, Henny A. J. Van Lanen, and Dimitri P. Solomatine

12 Deep Learning of Extreme Rainfall Patterns Using Enhanced Spatial Random Sampling With PatternRecognition 343
Han Wang and Yunqing Xuan

13 Teleconnection Patterns of River Water Quality Dynamics Based on Complex Network Analysis 357
Jiping Jiang, Sijie Tang, Bellie Sivakumar, Tianrui Pang, Na Wu, and Yi Zheng

14 Probabilistic Analysis of Flood Storage Areas Management in the Huai River Basin, China, WithRobust Optimization and Similarity-Based Selection for Real-Time Operation 373
Xingyu Zhou, Andreja Jonoski, Ioana Popescu, and Dimitri P. Solomatine

15 Multi-Objective Optimization of Reservoir Operation Policies Using Machine Learning Models: ACase Study of the Hatillo Reservoir in the Dominican Republic 409
Carlos Tami, Gerald A. Corzo Perez, Fidel Perez, and Germain Santos

Index 447

Erscheint lt. Verlag 12.12.2023
Reihe/Serie Special Publications
Special Publications
Sprache englisch
Themenwelt Naturwissenschaften Geowissenschaften Geologie
Technik
Schlagworte Artificial Intelligence • Computer Science • earth sciences • Geophysics • Geophysik • Geowissenschaften • Hydrological Sciences • Hydrologie • Informatik • Künstliche Intelligenz • Maschinelles Lernen
ISBN-10 1-119-63934-4 / 1119639344
ISBN-13 978-1-119-63934-3 / 9781119639343
Haben Sie eine Frage zum Produkt?
EPUBEPUB (Adobe DRM)
Größe: 61,3 MB

Kopierschutz: Adobe-DRM
Adobe-DRM ist ein Kopierschutz, der das eBook vor Mißbrauch schützen soll. Dabei wird das eBook bereits beim Download auf Ihre persönliche Adobe-ID autorisiert. Lesen können Sie das eBook dann nur auf den Geräten, welche ebenfalls auf Ihre Adobe-ID registriert sind.
Details zum Adobe-DRM

Dateiformat: EPUB (Electronic Publication)
EPUB ist ein offener Standard für eBooks und eignet sich besonders zur Darstellung von Belle­tristik und Sach­büchern. Der Fließ­text wird dynamisch an die Display- und Schrift­größe ange­passt. Auch für mobile Lese­geräte ist EPUB daher gut geeignet.

Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen eine Adobe-ID und die Software Adobe Digital Editions (kostenlos). Von der Benutzung der OverDrive Media Console raten wir Ihnen ab. Erfahrungsgemäß treten hier gehäuft Probleme mit dem Adobe DRM auf.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen eine Adobe-ID sowie eine kostenlose App.
Geräteliste und zusätzliche Hinweise

Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.

Mehr entdecken
aus dem Bereich