CaRT+水文过程模型精度媲美深度学习

Xilin Xia 团队发布论文，提出受守恒、耗散与聚合三条定律约束的集总式流域概念模型 CaRT+（每流域 35 个参数），称其在 AI 智能体辅助的迭代改进下达到与神经网络相当的径流模拟精度。 模型验证结果显示：在 602 个英国和 593 个美国流域的留出年份上，单一 CaRT+ 模型的中位 Nash-Sutcliffe 效率分别为 0.863 和 0.765；在未参与模型开发的 505 个更干旱的澳大利亚流域上，其达到 0.778，高于两个 LSTM 的 0.762 和 0.753。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。