机构名称：
¥ 1.0
项目摘要：气候变化正在增加洪水的频率和强度，强调需要预测洪水范围，幅度和时机的更好的洪水预测系统。短期，实时预测对于紧急响应至关重要，而长期预测有助于计划和适应。流体动力模型是预测深度和速度（例如深度和速度）的重要工具。在加拿大这样的寒冷地区，水动力模型需要与河流模型相结合，以解释冰过程对洪水的影响。但是，以高精度模拟大型河流系统非常昂贵。一个有希望的解决方案是将这些基于物理的流体动力模型与机器学习（ML）集成在一起，从而可以提高速度和准确性。该项目将着重于推进当前的混合流体动力/ML技术来处理未来的不确定性，尊重身体一致性并保持解释性。
加拿大蒙特利尔理工学院的博士后职位
主要关键词
相关文件推荐
