造型复杂的水文过程是必不可少的理解过程涉及不同组件的水文周期及其变化由于人为干预。水文过程控制的水运动水循环,从而确定所有形式的水文过程(例如,蒸散、降水、地下水补给,和河流量)。这些被认为是具有挑战性的工程问题由于其复杂性。

计算机的发展援助模型可以用于水资源的规划和管理,评估hydro-climatic危害风险,评价农业潜力,了解生态分布等。基于实物模型是最广泛用于水文过程的模拟,分析或数值方法通常使用。基于实物模型需要大量的信息可靠的水文建模过程通常通过简化实际系统的损害。因此,这样的模型往往不能提供可靠的结果。不同的统计模型基于数据之间的关系的不同组件之间的水循环近年来流行由于更高的能力来模拟不同的水文过程。负责水文过程的各个组件之间的关系始终是非线性,非平稳随机。在许多情况下,这种关系是极其非线性和高度随机的和不可能解决使用传统的统计方法。人工智能(AI)模型及其先进的版本有能力高度非线性模型和随机现象,因此它被广泛应用于近年来成功的监测、分析和预测不同的水文过程。AI模型证明来展示一个优秀的先进的计算机援助机器学习模型。人工智能模型可用于预测模型的建设在水资源管理决策支持,水文灾害风险减少和环境管理。

这个特殊问题的目的是欢迎的小说研究和评论文章原始和现代造型软计算策略的应用对水文过程的模拟。提交的工作应该推进机器学习的知识来描述,理解,分析,模型,预测水文过程。

潜在的主题包括但不限于以下:

• 先进的人工智能技术在水文模型
• 水文过程模拟
• 气候变化
• 决策工具和基于代理模型
• 在水文不确定性分析
• 在水文时间序列预测
• 流域监测和可持续性
• 混合动力机器学习模型在水文
• 在水文环境工程
• Hydro-climatic灾害风险管理
• 水资源规划和管理
• 在水文非线性、非平稳随机问题