首页  期刊介绍 期刊订阅 联系我们 横山亮次奖 百年刊庆
 
最新录用  |  预出版  |  当期目录  |  过刊浏览  |  阅读排行  |  下载排行  |  引用排行  |  横山亮次奖  |  百年刊庆

ISSN 1000-0054
CN 11-2223/N
创刊于 1915 年 (月刊)
  关于期刊
    » 期刊简介
    » 出版伦理
    » 获奖情况
    » 执行委员会
    » 特约编委
    » 编辑部
  作者中心
    » 在线投稿/查稿
    » 投稿指南
    » 英文摘要的写作要求
    » 稿件作图要求
    » 稿件模板
    » 文稿出版协议
    » 作者在线帮助
    » 系统使用常用问题
  审稿中心
    » 审稿要求
    » 专家在线审稿
    » 优秀评审意见
  在线办公
    » 主编审稿
    » 编辑办公
  期刊介绍
  期刊订阅
  交流合作
  联系我们
     优秀评审意见
 

基于机器学习的城市暴雨内涝时空快速预测模型》发表于《清华大学学报(自然科学版)》2023年第6期。

送审稿

评审意见选登:

基于infoworks ICM的高空间分辨率结果作为输入数据,利用机器学习构建了城市暴雨内涝快速计算模型。分析了随机森林、XGBoost,最近邻等空间模型的性能,并用LSTM神经网络模型开展积水深时间变化过程模拟。研究方法先进,研究结果对机器学习在城市内涝模拟中的机理分析和应用有参考价值。 

1)适当增加研究区域下垫面和水文基本情况,便于读者理解论文内容。 

2)数值模型结果是研究的基础。对模型采用数据的空间分辨率,计算单元特征,初始和边界条件等,给以必要说明。 

3)采用风险图来验证模型的逻辑似乎不通。尽管风险图考虑了inforworks模拟结果。 

4)不同水深等级的网格数差异,引起较大误差。很多计算单元实际上有用信息不多。是否有处理应对方案。 

5)适当增加对机器学习模型结果分析。比如数据预处理中打乱数据集顺序,对模拟结果的影响;不同影响因子对结果的贡献程度;道路排水重要作用在结果的体现;图5中,infoworks和lstm结果不同的对比分析。


发布日期:2023-12-19 浏览: 175
 
版权所有 © 《清华大学学报(自然科学版)》编辑部
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn