High Performance Computing and Artificial Intelligence for Geosciences

ISBN 10: 3036581804 / ISBN 13: 9783036581804

Editore: Mdpi AG, 2023

Riguardo questo articolo

Codice articolo I-9783036581804

Dati bibliografici

• Titolo: High Performance Computing and Artificial Intelligence for Geosciences
• Editore: Mdpi AG
• Data di pubblicazione: 2023
• Lingua: Inglese
• ISBN 10: 3036581804
• ISBN 13: 9783036581804
• Rilegatura: Rilegato
• Condizione: New

Descrizione articolo

Riassunto

In totale, questo numero speciale include 11 documenti. In primo luogo, Qi et al. ha condotto ricerche sulla soluzione parallela non uniforme su larga scala delle equazioni bidimensionali di Saint-Venant per la modellazione del comportamento delle inondazioni. Zhang et al. proposto un metodo efficiente di identificazione dei minerali basato sul deep learning. Successivamente, Huang et al. proposto un metodo di riconoscimento dell'entità denominato per le notizie geologiche basato sul modello BERT. Yang et al. ha proposto un metodo automatico di identificazione delle frane per risolvere il problema della natura dispendiosa in termini di tempo e della bassa efficienza dei metodi tradizionali di identificazione delle frane. Du et al. ha analizzato il potenziale dei metodi di apprendimento automatico non supervisionati per la previsione delle frane sottomarine. Wang et al. eseguito calcoli paralleli sull'algoritmo di inversione della ZTEM bidimensionale. Xu et al. utilizzato il metodo della finestra scorrevole e l'analisi relazionale grigia per estrarre le caratteristiche dai dati di monitoraggio in tempo reale multi-sorgente delle frane. Inoltre, Cao et al. proposto un nuovo metodo chiamato dual encoder transform (DualET) per la previsione a breve termine dell'energia fotovoltaica. Hao et al. ha condotto una serie di ottimizzazioni parallele e simulazioni parallele su larga scala sul modello oceanico ad alta risoluzione. Wang et al. ha proposto un modello di previsione di serie temporali per spostamenti franosi utilizzando il completamento del tensore autoregressivo di basso rango basato sulla media. Infine, Yang et al. sviluppato una misura della produttività primaria lorda (PGP) a livello di sito utilizzando il modello GeoMAN.