1 IntroductionIt is scientiﬁcally p

1 IntroductionIt is scientiﬁcally proved that stream-ﬂow is characterized by high nonlinearity distribution and dynamic pattern [1–6]. Over the past several decades, stream-ﬂow forecasting has been an important and challenging issue [7–9]. In practical management, stream-ﬂow forecast is tremendously signiﬁcant for water resources planning and operation. Real-time forecasting that can be addressed as shortterm stream-ﬂow can yield an important and reliable operation for ﬂood control and mitigation protection, whereas long-term forecasting is essential for several water resources applications involving river sediment operation, reservoir and water demand sustainability, hydro power production, and several others uses [10, 11]. Since the early of 1970, the classical approaches based on mathematical and statistical models had been undertaken to solve this issue; for instance, multiple linear regression (MLR) model and autoregressive integrated moving average (ARIMA) [12–16]. The main drawback of the classical models is that they are limited with linear regression solution that is not really applicable in capturing the highly stochasticity of stream-ﬂow pattern. Recently, a noticeable use of artiﬁcial intelligence (AI) techniques to

0/5000

源语言: -

目标语言: -

结果 (简体中文) 1: [复制]

复制成功！

1引言<br>科学证明，流量具有高非线性分布和动态模式的特征[1–6]。在过去的几十年中，流量预测一直是一个重要且具有挑战性的问题[7-9]。在实际管理中，流量预报对于水资源的规划和运营具有重大意义。可以作为短期流量处理的实时预测可以为洪水控制和缓解保护提供重要而可靠的操作，而长期预测对于涉及河流沉积物运行，水库和需水量可持续性的多种水资源应用至关重要，水力发电，还有其他几种用途[10，11]。自1970年初以来，就采用了基于数学和统计模型的经典方法来解决这个问题。例如，多元线性回归（MLR）模型和自回归综合移动平均值（ARIMA）[12-16]。经典模型的主要缺点是它们受到线性回归解决方案的限制，而线性回归解决方案在捕获流模式的高度随机性时并没有真正适用。最近，人工智能（AI）技术的显着应用

正在翻译中..

结果 (简体中文) 2:[复制]

复制成功！

1 介绍<br>科学证明，流水流的特点是高非线性分布和动态模式[1-6]。在过去的几十年里，流量预测一直是一个重要而具有挑战性的问题[7-9]。在实际管理中，溪流预报对水资源的规划和运行具有极其重要的意义。可以作为短期溪流处理的实时预报可以为防洪减灾提供重要和可靠的操作，而长期预报对于涉及河流泥沙运行、水库和水需求可持续性、水力发电和其他几个用途的水资源应用至关重要[10，11]。自1970年初以来，采取了基于数学和统计模型的经典方法来解决这个问题：例如，多个线性回归（MLR）模型和自动回归集成移动平均线（ARIMA） [12-16]。经典模型的主要缺点是，它们受线性回归解决方案的限制，而线性回归解决方案并不真正适用于捕获流流模式的高度随机性。最近，人工智能（AI）技术明显使用

正在翻译中..

结果 (简体中文) 3:[复制]

复制成功！

1简介<br>科学证明，水流具有高度的非线性分布和动态模式[1–6]。在过去的几十年里，水流预报一直是一个重要而富有挑战性的问题[7–9]。在实际管理中，水流预报对水资源规划和运行具有重要意义。可作为短期水流处理的实时预测可产生重要且可靠的水流控制和缓解保护运行，而长期预测对于涉及河流泥沙运行、水库和需水量可持续性、水力发电生产的若干水资源应用至关重要，还有其他几种用法[10,11]。自1970年初以来，基于数学和统计模型的经典方法被用来解决这个问题；例如，多元线性回归（MLR）模型和自回归综合移动平均（ARIMA）[12–16]。经典模型的主要缺点是它们受到线性回归解的限制，而线性回归解不适用于捕捉高度随机的水流模式。最近，一种引人注目的使用人工智能（AI）技术<br>

正在翻译中..

其它语言

本翻译工具支持: 世界语, 丹麦语, 乌克兰语, 乌兹别克语, 乌尔都语, 亚美尼亚语, 伊博语, 俄语, 保加利亚语, 信德语, 修纳语, 僧伽罗语, 克林贡语, 克罗地亚语, 冰岛语, 加利西亚语, 加泰罗尼亚语, 匈牙利语, 南非祖鲁语, 南非科萨语, 卡纳达语, 卢旺达语, 卢森堡语, 印地语, 印尼巽他语, 印尼爪哇语, 印尼语, 古吉拉特语, 吉尔吉斯语, 哈萨克语, 土库曼语, 土耳其语, 塔吉克语, 塞尔维亚语, 塞索托语, 夏威夷语, 奥利亚语, 威尔士语, 孟加拉语, 宿务语, 尼泊尔语, 巴斯克语, 布尔语(南非荷兰语), 希伯来语, 希腊语, 库尔德语, 弗里西语, 德语, 意大利语, 意第绪语, 拉丁语, 拉脱维亚语, 挪威语, 捷克语, 斯洛伐克语, 斯洛文尼亚语, 斯瓦希里语, 旁遮普语, 日语, 普什图语, 格鲁吉亚语, 毛利语, 法语, 波兰语, 波斯尼亚语, 波斯语, 泰卢固语, 泰米尔语, 泰语, 海地克里奥尔语, 爱尔兰语, 爱沙尼亚语, 瑞典语, 白俄罗斯语, 科西嘉语, 立陶宛语, 简体中文, 索马里语, 繁体中文, 约鲁巴语, 维吾尔语, 缅甸语, 罗马尼亚语, 老挝语, 自动识别, 芬兰语, 苏格兰盖尔语, 苗语, 英语, 荷兰语, 菲律宾语, 萨摩亚语, 葡萄牙语, 蒙古语, 西班牙语, 豪萨语, 越南语, 阿塞拜疆语, 阿姆哈拉语, 阿尔巴尼亚语, 阿拉伯语, 鞑靼语, 韩语, 马其顿语, 马尔加什语, 马拉地语, 马拉雅拉姆语, 马来语, 马耳他语, 高棉语, 齐切瓦语, 等语言的翻译.