Resumen

Con el significativo desarrollo de sensores e Internet de las cosas, los investigadores de hoy en día pueden saber fácilmente qué sucede en el espacio físico adquiriendo valores variables en el tiempo de diversos factores. Esencialmente, la creciente categoría y tamaño de los datos contribuyen en gran medida a resolver problemas que ocurren en el espacio físico. En este documento, nuestro objetivo es resolver un problema complejo que afecta tanto a las ciudades como a los pueblos, es decir, las inundaciones. Para reducir los impactos inducidos por las inundaciones, se han adoptado factores hidrológicos adquiridos del espacio físico y modelos basados en datos en el ciberespacio para predecir con precisión las inundaciones. Considerando la importancia de la capacidad de atención del modelado entre los factores hidrológicos, creemos que la extracción de factores hidrológicos discriminativos no solo refleja las reglas naturales en el espacio físico, sino que también modela de manera óptima las iteraciones de los factores para predecir los valores de escorrentía en el ciberespacio.

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Sensores; Internet de las cosas; Inundación; Factores hidrológicos; Modelos basados en datos; STA-LSTM
• Keywords:Sensors; Internet of things; Flood; Hydrological factors; Data-driven models; STA-LSTM