03453nam 2200781 450 991027505420332120201016201602.02-7606-2999-6979-1-03-650244-62-7606-2471-410.4000/books.pum.10567(CKB)2470000000002250(EBL)3248962(SSID)ssj0000735430(PQKBManifestationID)12366988(PQKBTitleCode)TC0000735430(PQKBWorkID)10750434(PQKB)11210039(CaPaEBR)407297(CaBNvSL)slc00207760(MiAaPQ)EBC3248962(MiAaPQ)EBC4750164(FrMaCLE)OB-pum-10567(oapen)https://directory.doabooks.org/handle/20.500.12854/55862(VaAlCD)20.500.12592/z0xkc0(schport)gibson_crkn/2009-12-01/3/407297(PPN)225782553(EXLCZ)99247000000000225020170214h20052005 uy 0freur|n|---|||||txtccrPaysages en perspective /sous la direction de Philippe Poullaouec-Gonidec, Gérald Domon et Sylvain PaquettePresses de l’Université de Montréal2005Montréal, [Ontario] :Les Presses de l'Université de Montréal,2005.©20051 online resource (362 p.)ParamètresDescription based upon print version of record.2-7606-2000-X Comprend des réf. bibliogr.Longtemps considéré comme un point de vue sur la nature qui s'offre à l'observateur, le paysage est devenu de nos jours le point sensible de nos milieux de vie. Au sein de notre modernité exacerbée, il suscite des perspectives qui dépassent désormais la simple émotion esthétique et qui informent plutôt les grands dossiers de l'aménagement du territoire au Québec. Le présent ouvrage s'inscrit directement dans cette actualité et propose une analyse des principaux enjeux auxquels font face les spécialistes en paysage et en environnement. Les contributions des auteurs présentent une conception contemporaine du paysage, à la fois ouverte et multiple. Chaque réflexion exprime la nécessité de concevoir le paysage comme bien collectif d'une société qui doit elle-même assurer sa mise en valeur et son invention grâce à un large éventail de perspectives et de projets.Paramètres.Regional planningQuébec (Province)Infrastructure (Economics)Québec (Province)Natural resourcesQuébec (Province)Managementaménagement du territoirepaysagepaysage urbaindéveloppement urbainRegional planningInfrastructure (Economics)Natural resourcesManagement.333.73/17/09714Sylvain Paquetteauth1350025Poullaouec-Gonidec PhilippeDomon GéraldPaquette Sylvain1968-Université de Montréal.Chaire en paysage et environnement.MiAaPQMiAaPQMiAaPQBOOK9910275054203321Paysages en perspective3087829UNINA04545nam 2201453z- 450 991034668830332120231214133707.0(CKB)4920000000094786(oapen)https://directory.doabooks.org/handle/20.500.12854/47751(EXLCZ)99492000000009478620202102d2019 |y 0engurmn|---annantxtrdacontentcrdamediacrrdacarrierFlood Forecasting Using Machine Learning MethodsMDPI - Multidisciplinary Digital Publishing Institute20191 electronic resource (376 p.)3-03897-548-6 This book is a printed edition of the Special Issue Flood Forecasting Using Machine Learning Methods that was published in Waternatural hazards &artificial neural networkflood routingthe Three Gorges Dambacktracking search optimization algorithm (BSA)lag analysisartificial intelligenceclassification and regression trees (CART)decision treereal-timeoptimizationensemble empirical mode decomposition (EEMD)improved bat algorithmconvolutional neural networksANFISmethod of tracking energy differences (MTED)adaptive neuro-fuzzy inference system (ANFIS)recurrent nonlinear autoregressive with exogenous inputs (RNARX)disastersflood predictionANN-based modelsflood inundation mapensemble machine learningflood forecastsensitivityhydrologic modelsphase space reconstructionwater level forecastdata forward predictionearly flood warning systemsbees algorithmrandom forestuncertaintysoft computingdata sciencehydrometeorologyLSTMrating curve methodforecastingsuperpixelparticle swarm optimizationhigh-resolution remote-sensing imagesmachine learningsupport vector machineLower Yellow Riverextreme event managementrunoff seriesempirical wavelet transformMuskingum modelhydrograph predictionsbat algorithmdata scarce basinsWilson floodself-organizing mapbig dataextreme learning machine (ELM)hydroinformaticsnonlinear Muskingum modelinvasive weed optimizationrainfall–runoffflood forecastingartificial neural networksflash-floodstreamflow predictionsprecipitation-runoffthe upper Yangtze RiversurveyparametersHaraz watershedANNtime series predictionpostprocessingflood susceptibility modelingrainfall-runoffdeep learningdatabaseLSTM networkensemble techniquehybrid neural networkself-organizing map (SOM)data assimilationparticle filter algorithmmonthly streamflow forecastingDongting Lakemachine learning methodsmicro-modelstopping criteriaGoogle Mapscultural algorithmwolf pack algorithmflood eventsurban water bodiesKarahan floodSt. Venant equationshybrid &hydrologic modelChang Fi-Johnauth1287662Hsu KuolinauthChang Li-ChiuauthBOOK9910346688303321Flood Forecasting Using Machine Learning Methods3020270UNINA