研究论文开放获取

A process-driven deep learning hydrological model for daily rainfall-runoff simulation

Heng Li, Chunxiao Zhang, W. P. Chu, Dingtao Shen, Rongrong Li

Chinese University of Hong Kong　China University of Geosciences (Beijing)　Ministry of Natural Resources　Central China Normal University

来源Journal of Hydrology

年份2024

DOI10.1016/j.jhydrol.2024.131434

原文https://doi.org/10.1016/j.jhydrol.2024.131434

阅读操作

确认中

在文库中上传 PDF 后可生成中文音频讲解。

摘要与影响

摘要 · 节选

暂未获取摘要。可打开原文或 PDF，后续可基于全文生成更完整的速读。

逐年被引趋势

27140

2725

关键指标

被引次数 · OpenAlex

5.21

领域内被引倍数
同类平均 = 1

前 3%

引用位次
同领域 · 同年份 · 同类型

参考文献

Google Scholar 与 OpenAlex 的被引统计范围不同，数值存在差异属正常。

AI 辅助阅读

依据：文献信息

论文问答

当前基于文献信息回答

可就本文提问；依据不足时会说明。

学术脉络

学科主题

物理

Hydrological Forecasting Using AI

Hydrology and Watershed Management Studies · Urban Stormwater Management Solutions

参考文献 49

暂无参考文献明细

引用本文 48

暂无引用本文的记录

研究论文开放获取

A process-driven deep learning hydrological model for daily rainfall-runoff simulation

Heng Li, Chunxiao Zhang, W. P. Chu, Dingtao Shen, Rongrong Li

Chinese University of Hong Kong　China University of Geosciences (Beijing)　Ministry of Natural Resources　Central China Normal University

来源Journal of Hydrology

年份2024

DOI10.1016/j.jhydrol.2024.131434

原文https://doi.org/10.1016/j.jhydrol.2024.131434

阅读操作

确认中

在文库中上传 PDF 后可生成中文音频讲解。

摘要与影响

摘要 · 节选

暂未获取摘要。可打开原文或 PDF，后续可基于全文生成更完整的速读。

逐年被引趋势

27140

2725

关键指标

被引次数 · OpenAlex

5.21

领域内被引倍数
同类平均 = 1

前 3%

引用位次
同领域 · 同年份 · 同类型

参考文献

Google Scholar 与 OpenAlex 的被引统计范围不同，数值存在差异属正常。

AI 辅助阅读

依据：文献信息

论文问答

当前基于文献信息回答

可就本文提问；依据不足时会说明。

学术脉络

学科主题

物理

Hydrological Forecasting Using AI

Hydrology and Watershed Management Studies · Urban Stormwater Management Solutions

参考文献 49

暂无参考文献明细

引用本文 48

暂无引用本文的记录