Zeitschriftenartikel zum Thema „Classification and spatiotemporal forecasting“
Geben Sie eine Quelle nach APA, MLA, Chicago, Harvard und anderen Zitierweisen an
Machen Sie sich mit Top-50 Zeitschriftenartikel für die Forschung zum Thema "Classification and spatiotemporal forecasting" bekannt.
Neben jedem Werk im Literaturverzeichnis ist die Option "Zur Bibliographie hinzufügen" verfügbar. Nutzen Sie sie, wird Ihre bibliographische Angabe des gewählten Werkes nach der nötigen Zitierweise (APA, MLA, Harvard, Chicago, Vancouver usw.) automatisch gestaltet.
Sie können auch den vollen Text der wissenschaftlichen Publikation im PDF-Format herunterladen und eine Online-Annotation der Arbeit lesen, wenn die relevanten Parameter in den Metadaten verfügbar sind.
Sehen Sie die Zeitschriftenartikel für verschiedene Spezialgebieten durch und erstellen Sie Ihre Bibliographie auf korrekte Weise.
Wang, Guosong, Xidong Wang, Xinrong Wu, Kexiu Liu, Yiquan Qi, Chunjian Sun und Hongli Fu. „A Hybrid Multivariate Deep Learning Network for Multistep Ahead Sea Level Anomaly Forecasting“. Journal of Atmospheric and Oceanic Technology 39, Nr. 3 (März 2022): 285–301. http://dx.doi.org/10.1175/jtech-d-21-0043.1.
Der volle Inhalt der QuellePlain, M. B., B. Minasny, A. B. McBratney und R. W. Vervoort. „Spatially explicit seasonal forecasting using fuzzy spatiotemporal clustering of long-term daily rainfall and temperature data“. Hydrology and Earth System Sciences Discussions 5, Nr. 3 (14.05.2008): 1159–89. http://dx.doi.org/10.5194/hessd-5-1159-2008.
Der volle Inhalt der QuelleJiang, Hongxun, Xiaotong Wang und Caihong Sun. „Predicting PM2.5 in the Northeast China Heavy Industrial Zone: A Semi-Supervised Learning with Spatiotemporal Features“. Atmosphere 13, Nr. 11 (23.10.2022): 1744. http://dx.doi.org/10.3390/atmos13111744.
Der volle Inhalt der QuelleYusro, Muhammad, und Isnaini Nurisusilawati. „Forecasting Approach to Investigate Dynamic Growth of Organoid within 3D Matrix for Distinct Perspective“. Journal of Biomimetics, Biomaterials and Biomedical Engineering 59 (14.02.2023): 107–17. http://dx.doi.org/10.4028/p-99od29.
Der volle Inhalt der QuelleAkarsu, Osman Nuri. „A Bibliometric Review of Earthquake and Machine Learning Research“. January 2024 5, Nr. 1 (01.04.2024): 1–10. http://dx.doi.org/10.36937/cebel.2024.1908.
Der volle Inhalt der QuelleRotti, Sumanth, und Petrus C. Martens. „Analysis of SEP Events and Their Possible Precursors Based on the GSEP Catalog“. Astrophysical Journal Supplement Series 267, Nr. 2 (01.08.2023): 40. http://dx.doi.org/10.3847/1538-4365/acdace.
Der volle Inhalt der QuelleHushtan, Tetiana, und Anatoliy Kolodiychuk. „DEFINING CONDITIONS FOR INCREASING INNOVATION ACTIVITY IN THE INDUSTRIAL COMPLEX: ESSENCE, SYSTEMATIZATION, IDENTIFICATION“. Baltic Journal of Economic Studies 7, Nr. 4 (27.09.2021): 54–62. http://dx.doi.org/10.30525/2256-0742/2021-7-4-54-62.
Der volle Inhalt der QuelleZhang, Yi, Fang Liu, Sheng Yue, Yuxuan Li und Qianwei Dong. „Accident Detection and Flow Prediction for Connected and Automated Transport Systems“. Journal of Advanced Transportation 2023 (17.04.2023): 1–9. http://dx.doi.org/10.1155/2023/5041509.
Der volle Inhalt der QuelleKhokhlov, V., О. Umanska und I. Deriabina. „Objective classification of atmospheric processes for the East European region“. Physical Geography and Geomorphology 90, Nr. 2 (2018): 84–90. http://dx.doi.org/10.17721/phgg.2018.2.10.
Der volle Inhalt der QuelleFossa, Manuel, Bastien Dieppois, Nicolas Massei, Matthieu Fournier, Benoit Laignel und Jean-Philippe Vidal. „Spatiotemporal and cross-scale interactions in hydroclimate variability: a case-study in France“. Hydrology and Earth System Sciences 25, Nr. 11 (04.11.2021): 5683–702. http://dx.doi.org/10.5194/hess-25-5683-2021.
Der volle Inhalt der QuelleZhang, Tuantuan, Zhongmin Liang, Wentao Li, Jun Wang, Yiming Hu und Binquan Li. „Statistical post-processing of precipitation forecasts using circulation classifications and spatiotemporal deep neural networks“. Hydrology and Earth System Sciences 27, Nr. 10 (22.05.2023): 1945–60. http://dx.doi.org/10.5194/hess-27-1945-2023.
Der volle Inhalt der QuelleAbdulrazzaq, Zaidoon T., Raghad H. Hasan und Nadia A. Aziz. „Integrated TRMM Data and Standardized Precipitation Index to Monitor the Meteorological Drought“. Civil Engineering Journal 5, Nr. 7 (21.07.2019): 1590–98. http://dx.doi.org/10.28991/cej-2019-03091355.
Der volle Inhalt der QuelleGel, Yulia R. „Comparative Analysis of the Local Observation-Based (LOB) Method and the Nonparametric Regression-Based Method for Gridded Bias Correction in Mesoscale Weather Forecasting“. Weather and Forecasting 22, Nr. 6 (01.12.2007): 1243–56. http://dx.doi.org/10.1175/2007waf2006046.1.
Der volle Inhalt der QuelleLima, Carlos H. R., Amir AghaKouchak und Upmanu Lall. „Classification of mechanisms, climatic context, areal scaling, and synchronization of floods: the hydroclimatology of floods in the Upper Paraná River basin, Brazil“. Earth System Dynamics 8, Nr. 4 (01.12.2017): 1071–91. http://dx.doi.org/10.5194/esd-8-1071-2017.
Der volle Inhalt der QuelleLiu, Qian, Yun Li, Manzhu Yu, Long S. Chiu, Xianjun Hao, Daniel Q. Duffy und Chaowei Yang. „Daytime Rainy Cloud Detection and Convective Precipitation Delineation Based on a Deep Neural Network Method Using GOES-16 ABI Images“. Remote Sensing 11, Nr. 21 (30.10.2019): 2555. http://dx.doi.org/10.3390/rs11212555.
Der volle Inhalt der QuelleDillon, James, Christopher Donahue, Evan Schehrer, Karl Birkeland und Kevin Hammonds. „Mapping surface hoar from near-infrared texture in a laboratory“. Cryosphere 18, Nr. 5 (24.05.2024): 2557–82. http://dx.doi.org/10.5194/tc-18-2557-2024.
Der volle Inhalt der QuelleBogner, Konrad, Annie Y. Y. Chang, Luzi Bernhard, Massimiliano Zappa, Samuel Monhart und Christoph Spirig. „Tercile Forecasts for Extending the Horizon of Skillful Hydrological Predictions“. Journal of Hydrometeorology 23, Nr. 4 (April 2022): 521–39. http://dx.doi.org/10.1175/jhm-d-21-0020.1.
Der volle Inhalt der QuelleRegasa, Motuma Shiferaw, Michael Nones und Dereje Adeba. „A Review on Land Use and Land Cover Change in Ethiopian Basins“. Land 10, Nr. 6 (01.06.2021): 585. http://dx.doi.org/10.3390/land10060585.
Der volle Inhalt der QuelleForoushani, Mansour A., Christian Opp, Michael Groll und Amirhossein Nikfal. „Evaluation of WRF-Chem Predictions for Dust Deposition in Southwestern Iran“. Atmosphere 11, Nr. 7 (17.07.2020): 757. http://dx.doi.org/10.3390/atmos11070757.
Der volle Inhalt der QuelleRios Gaona, M. F., A. Overeem, H. Leijnse und R. Uijlenhoet. „Sources of uncertainty in rainfall maps from cellular communication networks“. Hydrology and Earth System Sciences Discussions 12, Nr. 3 (25.03.2015): 3289–317. http://dx.doi.org/10.5194/hessd-12-3289-2015.
Der volle Inhalt der QuelleRios Gaona, M. F., A. Overeem, H. Leijnse und R. Uijlenhoet. „Measurement and interpolation uncertainties in rainfall maps from cellular communication networks“. Hydrology and Earth System Sciences 19, Nr. 8 (14.08.2015): 3571–84. http://dx.doi.org/10.5194/hess-19-3571-2015.
Der volle Inhalt der QuelleLi, Cheng, Weimin Zheng und Peng Ge. „Tourism demand forecasting with spatiotemporal features“. Annals of Tourism Research 94 (Mai 2022): 103384. http://dx.doi.org/10.1016/j.annals.2022.103384.
Der volle Inhalt der QuelleMurr, Georges, und Saliya Coulibaly. „Machine Learning-assisted spatiotemporal chaos forecasting“. EPJ Web of Conferences 287 (2023): 13002. http://dx.doi.org/10.1051/epjconf/202328713002.
Der volle Inhalt der QuelleLin, Xu, Hongyue Wang, Qingqing Zhang, Chaolong Yao, Changxin Chen, Lin Cheng und Zhaoxiong Li. „A Spatiotemporal Network Model for Global Ionospheric TEC Forecasting“. Remote Sensing 14, Nr. 7 (02.04.2022): 1717. http://dx.doi.org/10.3390/rs14071717.
Der volle Inhalt der QuelleOliveira, Mariana, Luís Torgo und Vítor Santos Costa. „Evaluation Procedures for Forecasting with Spatiotemporal Data“. Mathematics 9, Nr. 6 (23.03.2021): 691. http://dx.doi.org/10.3390/math9060691.
Der volle Inhalt der QuellePavlyuk, Dmitry. „Temporal Aggregation Effects in Spatiotemporal Traffic Modelling“. Sensors 20, Nr. 23 (04.12.2020): 6931. http://dx.doi.org/10.3390/s20236931.
Der volle Inhalt der QuelleMuñoz-Organero, Mario, und Paula Queipo-Álvarez. „Deep Spatiotemporal Model for COVID-19 Forecasting“. Sensors 22, Nr. 9 (05.05.2022): 3519. http://dx.doi.org/10.3390/s22093519.
Der volle Inhalt der Quelle., V. Nourani, A. A. Moghaddam ., A. O. Nadiri . und V. P. Singh . „Forecasting Spatiotemporal Water Levels of Tabriz Aquifer“. Trends in Applied Sciences Research 3, Nr. 4 (01.04.2008): 319–29. http://dx.doi.org/10.3923/tasr.2008.319.329.
Der volle Inhalt der QuelleLópez, Cristóbal, Alberto Álvarez und Emilio Hernández-García. „Forecasting Confined Spatiotemporal Chaos with Genetic Algorithms“. Physical Review Letters 85, Nr. 11 (11.09.2000): 2300–2303. http://dx.doi.org/10.1103/physrevlett.85.2300.
Der volle Inhalt der QuelleErmagun, Alireza, und David Levinson. „Spatiotemporal traffic forecasting: review and proposed directions“. Transport Reviews 38, Nr. 6 (06.03.2018): 786–814. http://dx.doi.org/10.1080/01441647.2018.1442887.
Der volle Inhalt der QuelleLi, Zhenxin, Yong Han, Zhenyu Xu, Zhihao Zhang, Zhixian Sun und Ge Chen. „PMGCN: Progressive Multi-Graph Convolutional Network for Traffic Forecasting“. ISPRS International Journal of Geo-Information 12, Nr. 6 (16.06.2023): 241. http://dx.doi.org/10.3390/ijgi12060241.
Der volle Inhalt der QuelleRapantzikos, Konstantinos, Nicolas Tsapatsoulis, Yannis Avrithis und Stefanos Kollias. „Spatiotemporal saliency for video classification“. Signal Processing: Image Communication 24, Nr. 7 (August 2009): 557–71. http://dx.doi.org/10.1016/j.image.2009.03.002.
Der volle Inhalt der QuelleLiu, Gang, Silu He, Xing Han, Qinyao Luo, Ronghua Du, Xinsha Fu und Ling Zhao. „Self-Supervised Spatiotemporal Masking Strategy-Based Models for Traffic Flow Forecasting“. Symmetry 15, Nr. 11 (31.10.2023): 2002. http://dx.doi.org/10.3390/sym15112002.
Der volle Inhalt der QuelleCheng, Yong, Haifeng Qu, Jun Wang, Kun Qian, Wei Li, Ling Yang, Xiaodong Han und Min Liu. „A Radar Echo Extrapolation Model Based on a Dual-Branch Encoder–Decoder and Spatiotemporal GRU“. Atmosphere 15, Nr. 1 (14.01.2024): 104. http://dx.doi.org/10.3390/atmos15010104.
Der volle Inhalt der QuelleSajan, Bhartendu, Varun Narayan Mishra, Shruti Kanga, Gowhar Meraj, Suraj Kumar Singh und Pankaj Kumar. „Cellular Automata-Based Artificial Neural Network Model for Assessing Past, Present, and Future Land Use/Land Cover Dynamics“. Agronomy 12, Nr. 11 (07.11.2022): 2772. http://dx.doi.org/10.3390/agronomy12112772.
Der volle Inhalt der QuelleHeinecke, G., A. A. Syntetos und W. Wang. „Forecasting-based SKU classification“. International Journal of Production Economics 143, Nr. 2 (Juni 2013): 455–62. http://dx.doi.org/10.1016/j.ijpe.2011.11.020.
Der volle Inhalt der QuellePavlyuk. „Transfer Learning: Video Prediction and Spatiotemporal Urban Traffic Forecasting“. Algorithms 13, Nr. 2 (13.02.2020): 39. http://dx.doi.org/10.3390/a13020039.
Der volle Inhalt der QuelleKolidakis, Stylianos Z., Kornilia Maria A. Kotoula und George N. Botzoris. „School Mode Choice Classification Model Exploitation Though Artificial Intelligence Classification Application“. Mathematical Modelling of Engineering Problems 9, Nr. 6 (31.12.2022): 1441–50. http://dx.doi.org/10.18280/mmep.090601.
Der volle Inhalt der QuelleXiong, Liyan, Weihua Ding, Xiaohui Huang und Weichun Huang. „CLSTAN: ConvLSTM-Based Spatiotemporal Attention Network for Traffic Flow Forecasting“. Mathematical Problems in Engineering 2022 (11.07.2022): 1–13. http://dx.doi.org/10.1155/2022/1604727.
Der volle Inhalt der QuellePavlyuk, Dmitry. „Spatiotemporal cross-validation of urban traffic forecasting models“. Transportation Research Procedia 52 (2021): 179–86. http://dx.doi.org/10.1016/j.trpro.2021.01.020.
Der volle Inhalt der QuelleKaboudan, M. A. „SPATIOTEMPORAL FORECASTING OF HOME PRICES: A GIS APPLICATION“. IFAC Proceedings Volumes 38, Nr. 1 (2005): 95–99. http://dx.doi.org/10.3182/20050703-6-cz-1902.02251.
Der volle Inhalt der QuelleDirector, Hannah M., Adrian E. Raftery und Cecilia M. Bitz. „Improved Sea Ice Forecasting through Spatiotemporal Bias Correction“. Journal of Climate 30, Nr. 23 (Dezember 2017): 9493–510. http://dx.doi.org/10.1175/jcli-d-17-0185.1.
Der volle Inhalt der QuellePrestemon, Jeffrey P., María L. Chas-Amil, Julia M. Touza und Scott L. Goodrick. „Forecasting intentional wildfires using temporal and spatiotemporal autocorrelations“. International Journal of Wildland Fire 21, Nr. 6 (2012): 743. http://dx.doi.org/10.1071/wf11049.
Der volle Inhalt der QuelleChai, Songjian, Zhao Xu, Youwei Jia und Wai Kin Wong. „A Robust Spatiotemporal Forecasting Framework for Photovoltaic Generation“. IEEE Transactions on Smart Grid 11, Nr. 6 (November 2020): 5370–82. http://dx.doi.org/10.1109/tsg.2020.3006085.
Der volle Inhalt der QuelleLenzi, Amanda, und Marc G. Genton. „Spatiotemporal probabilistic wind vector forecasting over Saudi Arabia“. Annals of Applied Statistics 14, Nr. 3 (September 2020): 1359–78. http://dx.doi.org/10.1214/20-aoas1347.
Der volle Inhalt der QuelleYou, Yujie, Le Zhang, Peng Tao, Suran Liu und Luonan Chen. „Spatiotemporal Transformer Neural Network for Time-Series Forecasting“. Entropy 24, Nr. 11 (14.11.2022): 1651. http://dx.doi.org/10.3390/e24111651.
Der volle Inhalt der QuelleJiao, Xiaoying, Gang Li und Jason Li Chen. „Forecasting international tourism demand: a local spatiotemporal model“. Annals of Tourism Research 83 (Juli 2020): 102937. http://dx.doi.org/10.1016/j.annals.2020.102937.
Der volle Inhalt der QuelleAbirami, S., und P. Chitra. „Regional air quality forecasting using spatiotemporal deep learning“. Journal of Cleaner Production 283 (Februar 2021): 125341. http://dx.doi.org/10.1016/j.jclepro.2020.125341.
Der volle Inhalt der QuelleLi, Yung-Chen, Hsiao-Yun Huang, Nan-Ping Yang und Yi-Hung Kung. „Stock Market Forecasting Based on Spatiotemporal Deep Learning“. Entropy 25, Nr. 9 (12.09.2023): 1326. http://dx.doi.org/10.3390/e25091326.
Der volle Inhalt der QuelleYue, Aming, und Wenhua Wu. „STGWN: Enhanced spatiotemporal wave forecasting using multiscale features“. Applied Ocean Research 145 (April 2024): 103923. http://dx.doi.org/10.1016/j.apor.2024.103923.
Der volle Inhalt der Quelle