Risk-driven composition decoupling analysis for urban flooding prediction in high-density urban areas using Bayesian-Optimized LightGBM
91Citations signalées, ce qui n’est pas une note de qualité
7Institutions déclarées
3Pays d’affiliation déclarés
Rattachement africain : cn, de, us. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Risk-driven composition decoupling analysis for urban flooding prediction in high-density urban areas using Bayesian-Optimized LightGBM
- Date Crossref
- 01/06/2024
- Éditeur
- Elsevier BV
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Les institutions déclarées
Tongji UniversityShanghai Tongji Urban Planning and Design InstituteGuangdong University of Petrochemical TechnologyGuangzhou UniversityNanjing Audit UniversityTechnische Universität DresdenFlower Hospital
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Flood Risk Assessment and ManagementVideo Surveillance and Tracking MethodsTraffic Prediction and Management Techniques