KNOU-Flood: wereldwijde stroomvoorspelling naar een hoger niveau tillen met lead-aware probabilistische machine learning

arXiv:2610.20640v1 Aankondigingstype: nieuw. Samenvatting: Wereldwijde stroomvoorspelling ondersteunt de paraatheid bij overstromingen, maar datagedreven modellen die op reanalysis zijn getraind verliezen aan vaardigheid wanneer ze worden aangestuurd door operationele voorspellingen, en dat versterkt naarmate de voorspelhorizon groter wordt. AIFL pakt deze verschuiving aan met een tweetraps transfer-learningrecept en een deterministische LSTM, maar voedt één voorspelhorizon in het hele invoervenster en biedt geen onzekerheid. We onderzoeken hoe ver dit open recept kan worden uitgebreid zonder de recurrente kern te veranderen