| 标题 |
 Deep Learned Process Parameterizations Provide Better Representations of Turbulent Heat Fluxes in Hydrologic Models 深度学习的过程参数化在水文模型中提供更好的湍流热通量表示
相关领域
水准点（测量）
计算机科学
模块化设计
联轴节（管道）
嵌入
过程（计算）
水文模型
航程（航空）
参数化（大气建模）
水循环
人工智能
工程类
物理
地质学
航空航天工程
操作系统
大地测量学
生物
机械工程
辐射传输
量子力学
气候学
生态学
|
| 网址 | |
| DOI | |
| 其它 |
期刊：Water Resources Research 作者：Andrew F. Bennett; Bart Nijssen 出版日期：2021-05-01 |
| 求助人 | |
| 下载 | 求助已完成，仅限求助人下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
SYLH
昏睡的蟠桃
cdercder
jenningseastera
冰魂
帮主哥哥
一一
卡卡西
pluto
iNk
OCDer
寒鸦浮水
hanzhipad
nozero
chenjzhuc
许甜甜鸭
HEIKU
TaoJ
Benjamin
平常的毛豆
皖公网安备34019202002308
