EM-T1Stochastic Environmental Research and Risk Assessment2026-05-22第 40 卷第 6 期开放获取

Quantifying epistemic uncertainty in deep learning models for quantitative precipitation forecasting using synthetic rainfall fields

登录后看摘要和中文要点

英文摘要、AI 生成的中文摘要和三条要点、参考文献和引证文献列表、论文图谱，注册免费。

关键词

洪涝风险与减灾金融风险与机器学习 quantitative precipitation forecasting epistemic uncertainty convolutional neural networks U-Net ConvLSTM Monte Carlo dropout nowcasting prediction interval coverage flood risk management physics-informed constraints

登录后可以看完整列表。去登录

0次被引阅读 1

还没有逐年数据

被引数据来自 OpenAlex，含本站以外的引用

Stochastic Environmental Research and Risk AssessmentSpringer-Verlag

应急管理一类

本站发文: 2,348
总被引: 41,030
ISSN: 1436-3240

进入期刊页 →

引用这篇

KIM Y, NGUYEN G V, VAN L N, et al. Quantifying epistemic uncertainty in deep learning models for quantitative precipitation forecasting using synthetic rainfall fields[J]. Stochastic Environmental Research and Risk Assessment, 2026, 40(6). DOI:10.1007/s00477-026-03230-1.

著录项

学科: 理学大气科学大气科学
类型: 研究论文
期刊: Stochastic Environmental Research and Risk Assessment
基金资助: Ministry of the Interior and Safety项目号 RS202400398858
卷期页: 第 40 卷第 6 期
出版: 2026-05-22
语言: 英语
DOI: 10.1007/s00477-026-03230-1

获取来源1 处

Stochastic Environmental Research and Risk Assessment免费出版版
页面 PDF

来源列表来自 OpenAlex；本站不存全文，链接打开的是对方网站

论文图谱

本篇和它的参考文献、引证文献、相似文献

登录后可以看这篇的论文图谱：谁被它引用、谁引用了它、还有哪些相似的研究。