LSTM作为陆面模型后处理器与独立水文模型：改善澳大利亚大陆尺度径流预测
研究评估了两种基于LSTM的方法以改进澳大利亚的径流预测：LSTM-C仅以降水和潜在蒸散为输入的独立降雨-径流LSTM，以及LSTM-QC，即纳入澳大利亚水资源评估-景观模型（AWRA-L）径流输出的降雨-径流LSTM，也可视为AWRA-L的后处理器。
推荐理由：在218个CAMELS-AUS流域上比较LSTM后处理AWRA-L与独立LSTM，并区分偏差校正与河道汇流的信息来源，可供模型选型参考。
模型率定、实测对照、敏感性与不确定性。
研究评估了两种基于LSTM的方法以改进澳大利亚的径流预测：LSTM-C仅以降水和潜在蒸散为输入的独立降雨-径流LSTM，以及LSTM-QC，即纳入澳大利亚水资源评估-景观模型（AWRA-L）径流输出的降雨-径流LSTM，也可视为AWRA-L的后处理器。
推荐理由：在218个CAMELS-AUS流域上比较LSTM后处理AWRA-L与独立LSTM，并区分偏差校正与河道汇流的信息来源，可供模型选型参考。