ГИДРОЛОГИЯЛЫҚ МОДЕЛЬДЕУ ҮШІН ЖАСАНДЫ ИНТЕЛЛЕКТІ ПАЙДАЛАНУ
Article Sidebar
Main Article Content
Аңдатпа
Аннотация. Гидрологиялық модельдеу су ресурстарын басқаруда маңызды рөл атқарады, әсіресе су тапшылығы негізгі проблема болып табылатын құрғақ және жартылай құрғақ аймақтарда. Жасанды интеллект (AI) пайда болуымен соңғы жылдары гидрологиялық модельдеу айтарлықтай өзгеріске ұшырады. Бұл мақала жасанды интеллект негізіндегі гидрологиялық модельдеудегі соңғы жетістіктерді қарастырады және оның су ресурстарын басқарудағы әлеуетті қолданбаларын зерттейді. Зерттеу гидрологиялық модельдердің дәлдігін арттырудағы және суды тиімді және тұрақты пайдалану тәжірибесін ілгерілетудегі AI рөлін көрсетеді. Нәтижелер жасанды интеллект негізіндегі гидрологиялық модельдердің су ресурстарын басқару тәсілін түбегейлі өзгертуге әлеуеті бар екенін және осы саладағы болашақ зерттеулердің кепілі екенін көрсетеді.
Article Details
##submission.citations##
Zhang Y., Liu X., Liu Y. Artificial intelligence in hydrology: a review. Water, 11(10), 2019.
Volpi E., KIM J. S., Jain S., Shrestha S. Editorial: artificial intelligence in hydrology. Hydrology Research 1 June 2023; 54 (6): III–IV.
doi: https://doi.org/10.2166/nh.2023.102.
Wang Z., Zhao Y., Liu Y., Wang Y. Application of artificial intelligence in hydrological modeling: a review. Journal of Hydrology, 2021. 596 р. 126106.
Basa˘gao˘glu H., Chakraborty D., Lago C.D., Gutierrez L.¸ Sahinli M.A., Giacomoni M., Furl C., Mirchi A., Moriasi D., Sengör S.S. A Review on Interpretable and Explainable Artificial Intelligence in Hydroclimatic Applications. Water 2022, 14, 1230.
https://doi.org/10.3390/w14081230.
Sahoo S., Shrestha B. K., Panda, R. K. Artificial intelligence applications in hydrology: A review. International Journal of Hydrology Science and Technology, 2018. 8(1), 1-21.
Baghanam A. H., Norouzi E., Nourani V. Wavelet-based predictor screening for statistical downscaling of precipitation and temperature using the artificial neural network method. Hydrology Research 2022. 53 (3), 385–406. https://doi.org/10.2166/nh.2022.094.
de Moura C. N., Seibert J., Detzel D. H. M. Evaluating the long short-term memory (LSTM) network for discharge prediction under changing climate conditions. Hydrology Research 2022. 53 (5), 657–667. https://doi.org/10.2166/nh.2022.044.
Nourani V. Application of the artificial intelligence approach and remotely sensed imagery for soil moisture evaluation. Hydrology Research 2022. 53 (5), 684–699. https://doi.org/10.2166/nh.2022.111.
Heiko Apel, Zharkinay Abdykerimova, Marina Agalhanova, Azamat Baimaganbetov, Nadejda Gavrilenko, Lars Gerlitz, Olga Kalashnikova, Katy Unger-Shayesteh, Sergiy Vorogushyn, and Abror Gafurov. Statistical forecast of seasonal discharge in Central Asia using observational records: development of a generic linear modelling tool for operational water resource management. Hydrology and Earth System Sciences, 2018. Volume 22, issue 4, HESS, 22, 2225–2254, https://doi.org/10.5194/hess-22-2225-2018
Gonzales-Inca C., Calle M., Croghan D., Torabi Haghighi A., Marttila H., Silander J., Alho P. Geospatial Artificial Intelligence (GeoAI) in the Integrated Hydrological and Fluvial Systems Modeling: Review of Current Applications and Trends. Water 2022, 14, 2211. https://doi.org/10.3390/w14142211
Sharma A., Goyal M. K., Nema R. K. Hydrological modelling using artificial intelligence techniques: a review. Environmental Science and Pollution Research, 2021. 28(12), 14235-14253.
Roushangar K., Ghasempour R., Kirca V. S. O., Demirel M. C. Hybrid point and interval prediction approaches for drought modeling using ground-based and remote sensing data. Hydrology Research 2021. 52 (6), 1469–1489. https://doi.org/10.2166/nh.2021.028.
Xu Y., Hu C., Wu Q., Li Z., Jian S., Chen Y. Application of temporal convolutional network for flood forecasting. Hydrology Research 2021. 52 (6), 1455–1468. https://doi.org/10.2166/nh.2021.021.
Lu Z., Wang D., Deng Z., Shi Y., Ding Z., Ning H., Zhao H., Zhao J., Xu H., Zhao X. Application of red edge band in remote sensing extraction of surface water body: a case study based on GF-6 WFV data in arid area. Hydrology Research 2021. 52 (6), 1526–1541. https://doi.org/10.2166/nh.2021.050.
Wu S.-J., Hsu C.-T., Chang C.-H. Stochastic modeling of artificial neural networks for real-time hydrological forecasts based on uncertainties in transfer functions and ANN weights. Hydrology Research 2021. 52 (6), 1490–1525. https://doi.org/10.2166/nh.2021.030.
Chang et al. "Artificial Intelligence Techniques in Hydrology and Water Resources Management." Water, 2023. 15(10), 1846; https://doi.org/10.3390/w15101846
Zekrifa D. M. S., Kulkarni M., Bhagyalakshmi A., Devireddy N., Gupta S., Boopathi S. Integrating Machine Learning and AI for Improved Hydrological Modeling and Water Resource Management. In Artificial Intelligence Applications in Water Treatment and Water Resource Management 2023. p. 46-70.
Liang W., Chen Y., Fang, G., Kaldybayev A. Machine learning method is an alternative for the hydrological model in an alpine catchment in the Tianshan region, Central Asia. Journal of Hydrology: Regional Studies, 2023. 49. 101492.