Hydrological Modeling using Google Earth Engine (LSTM) and Long Short Term Memory (LSTM) ML Model

แชร์
ฝัง
  • เผยแพร่เมื่อ 1 ธ.ค. 2024

ความคิดเห็น • 12

  • @lameshithead
    @lameshithead 11 หลายเดือนก่อน

    cool tut. nice to watch while working in a cluster, coding some python. i like that's its practical and providing an explanation about the math needed

    • @TheGeoICT
      @TheGeoICT  11 หลายเดือนก่อน +1

      Thank you for taking time to go through the tutorial and your positive comments!

  • @yashkuwalekar8587
    @yashkuwalekar8587 6 หลายเดือนก่อน +1

    have you guys written a paper based on your work (ipynb results)?

    • @TheGeoICT
      @TheGeoICT  6 หลายเดือนก่อน

      Not yet. Shoot an email if you are interested!

  • @ShakoKuna
    @ShakoKuna 8 หลายเดือนก่อน +1

    hello, can u help me pls, how to calculate seasonal water surface discharge of a river flow in my study area using Google Earth Engine ?

    • @TheGeoICT
      @TheGeoICT  7 หลายเดือนก่อน

      Hi I suggest asking in the GEE developers group for wider reach!

    • @ShakoKuna
      @ShakoKuna 7 หลายเดือนก่อน

      @@TheGeoICT where and how can i reach out to them pls? help

    • @TheGeoICT
      @TheGeoICT  6 หลายเดือนก่อน

      @@ShakoKuna You can reach out at biplov4geoict@gmail.com

  • @jaymj2859
    @jaymj2859 ปีที่แล้ว

    Kindly help me with how to go about exporting the runoff image

    • @TheGeoICT
      @TheGeoICT  ปีที่แล้ว +1

      Hi, you can use `plt.savefig(, bbox_inches="tight")` to export the plots.

  • @DivyaChandran-t4l
    @DivyaChandran-t4l ปีที่แล้ว

    is it ok to split test and train data randomly?

    • @TheGeoICT
      @TheGeoICT  ปีที่แล้ว +3

      That's a great question! Since LSTM is a time-series algorithm, as long as your examples maintain the sequence in them, you could randomly split training and testing data at the example level. Happy coding!