Evaluating the influence of temporal data resolution on the performance of deep neural networks for Karst groundwater forecasting

Xiao Xia Liang, Dany Lauzon, Erwan Gloaguen, Julien Straubhaar et Philippe Renard

Article de revue (2026)

Document en libre accès chez l'éditeur officiel

Un lien externe est disponible pour ce document

Matériel d'accompagnement:	Code
Département:	Département des génies civil, géologique et des mines
Organismes subventionnaires:	Natural Resources Canada
URL de PolyPublie:	https://publications.polymtl.ca/81101/
Titre de la revue:	Applied Computing and Geosciences (vol. 31)
Maison d'édition:	Elsevier BV
DOI:	10.1016/j.acags.2026.100393
URL officielle:	https://doi.org/10.1016/j.acags.2026.100393
Date du dépôt:	28 sept. 2026 14:25
Dernière modification:	28 sept. 2026 14:25

Citer en APA 7:	Xia Liang, X., Lauzon, D., Gloaguen, E., Straubhaar, J., & Renard, P. (2026). Evaluating the influence of temporal data resolution on the performance of deep neural networks for Karst groundwater forecasting. Applied Computing and Geosciences, 31, 100393 (16 pages). https://doi.org/10.1016/j.acags.2026.100393
APA 7 (HTML)ASCII CitationAtomBibTeXDOIsDublin CoreEndNote (.ENW)MARC (ISO 2709/UTF-8) (.MRC)MARC (UTF-8) (.MRK8)MARC XMLMPEG-21 DIDLMultiline CSVOAI-ORE Resource Map (Atom Format)OPENAIREOpenURL ContextObjectOpenURL ContextObject in SpanRDF+N-TriplesRDF+N3RDF+XMLReferReference Manager (.RIS)Simple Metadata

Statistiques

Actions réservées au personnel