机构名称：
¥ 2.0
这项研究研究了量子机学习的潜力（QML）改善洪水预测。我们专注于2023年德国武河沿线的每日洪水事件。我们的方法将经典的机器学习（SVM，KNN，回归，AR模型）与QML技术（adaboost，量子变异电路，Qboost，qsv c _ ml）结合在一起。该混合模型利用量子和纠缠等量子特性，以提高准确性和效率。经典模型和QML模型。结果表明，QML模型的竞争训练时间和提高了预测准确性。这项研究意味着朝着利用量子技术进行变化适应的一步。我们强调合作和持续创新，以在现实世界中实施这种模型，最终增强了针对洪水的全球弹性。
使用经典和量子机学习模型的洪水预测
主要关键词
相关文件推荐
