Machine learning approaches in the modeling of hydrological extremes
| Název práce v češtině: | Modelování hydrologických extrémů s využitím strojového učení |
|---|---|
| Název v anglickém jazyce: | Machine learning approaches in the modeling of hydrological extremes |
| Klíčová slova: | modelování; strojové učení; neuronové sítě; hydrologie; extrémy |
| Klíčová slova anglicky: | modeling; machine learning; neural networks; hydrology; extremes |
| Akademický rok vypsání: | 2021/2022 |
| Typ práce: | disertační práce |
| Jazyk práce: | angličtina |
| Ústav: | Katedra fyzické geografie a geoekologie (31-330) |
| Vedoucí / školitel: | prof. RNDr. Jakub Langhammer, Ph.D. |
| Řešitel: | skrytý - zadáno vedoucím/školitelem |
| Datum přihlášení: | 05.10.2021 |
| Datum zadání: | 06.10.2021 |
| Předběžná náplň práce |
| Modelování hydrologických extrémů s využitím strojového učení |
| Předběžná náplň práce v anglickém jazyce |
| The PhD project is focused on the applications of machine learning (ML) and deep learning (DL) models for the analysis of hydrological extremes in montane basins. The selected ML and DL techniques are used for the analysis of conditionality and links between causal factors, changes in frequency, seasonality, magnitude or for the search for regularities and possibilities of prediction of hydrological extreme phenomena, including both floods and droughts. The principal modeling techniques, used for this thesis include neural networks, support vector machines, and Deep Learning models. The study area presents the selected stations of the headwaters of montane streams in different physiographic conditions with long observation time series, supplemented by experimental high-frequency monitoring at the stations, operated by the Department of Physical Geography and Geoecology. |