For flood prediction, supervised le

For flood prediction, supervised learning is used, with historical data for selected parameters such as rainfall and humidity and cloud cover typically used as inputs with the known event or non-event of flooding used as desired output for the given inputs. Unsupervised training can be used to perform some initial characterization of inputs. In this study some pre-processing is performed to transform input and output data into an appropriate format form neural network training. This pre-processing also involves some level of filtering and classification which is described in more detail in Section 3.5.

Kết quả (Việt) 1:

Đối với dự báo lũ, học giám sát được sử dụng, với các dữ liệu lịch sử cho các tham số được chọn như lượng mưa và độ ẩm và mây thường được sử dụng như là đầu vào với các sự kiện được biết đến hoặc các sự kiện Phi của lũ lụt được sử dụng như mong muốn ra cho các đầu vào cho trước. Đào tạo không có giám sát có thể được sử dụng để thực hiện một số đặc tính ban đầu của đầu vào. Trong nghiên cứu này một số xử lý trước khi được thực hiện để biến đổi các đầu vào và đầu ra dữ liệu vào một định dạng thích hợp hình thức đào tạo mạng nơ-ron. Xử lý tiền này cũng liên quan đến một số mức độ lọc và phân loại được mô tả chi tiết hơn trong phần 3.5.

Kết quả (Việt) 2:

Đối với dự báo lũ, học có giám sát được sử dụng, với các dữ liệu lịch sử cho các thông số lựa chọn như lượng mưa và độ ẩm và che phủ của mây thường được sử dụng như là đầu vào với sự kiện được biết đến hoặc không hợp lũ lụt sử dụng như là đầu ra mong muốn cho các đầu vào cho trước. đào tạo không có giám sát có thể được sử dụng để thực hiện một số đặc tính ban đầu của đầu vào. Trong nghiên cứu này, một số tiền xử lý được thực hiện để chuyển đổi dữ liệu đầu vào và đầu ra thành một huấn luyện mạng nơron hình dạng thích hợp. tiền xử lý này cũng liên quan đến một số mức độ lọc và phân loại được mô tả chi tiết hơn trong phần 3.5.