质量守恒约束此前只嵌在集总式LSTM里，只能给出流域平均的时间序列，难以检验内部状态是否具有水文意义。PECAN把这一约束改为卷积LSTM的分布式形式，并分严格以降水为唯一水源的PECANMC与允许额外水源的PECANMCR两个变体，仅用两个水文站的实测流量训练。在科罗拉多North Platte源头流域，两变体出口流量精度与集总深度学习基线及分布式过程模型VIC相当，还能给出空间显式的内部状态；但诊断显示模型把冬季雪水储量过早移出系统，而非留到春季释放。
印度东北部长期缺少能同时覆盖滑坡、山洪与道路中断的预警系统，现有监测依赖人工上报和固定雨量阈值，难以给出村级预警。SAMBHV 把物联网遥测、气象与雷达数据接入一条流处理链路，用两阶段混合预测和物理、AI、地面核实三路投票决定告警级别，并支持离线运行与多语言问答。在 311 个灾害测试用例上，平台报告检测 F1 为 0.87、误报率 8%、从阈值触发到告警的延迟为 30 秒。
在巴西半干旱的塞阿拉州，一项基于2000—2023年十种对地观测变量的研究把荒漠化预测的可预测上限量了出来：全州平均退化指数以每年约0.005的速度上升，但2.2公里网格上逐年的变化大部分无法由这些卫星数据解释，一个使用全部通道的梯度提升模型也只解释了其中4.7%的方差。研究用残差卷积LSTM只预测相对上一年的变化，在留出的南部条带上把一年期均方根误差相对持续性基线降低1.6%，四年期降低4.4%，并复现了53%—69%的区域漂移。结论是这类预测对区域趋势可靠，对单个网格不可靠。
该研究构建了 MyoSTAT.AI，一个完全在合成数据上运行、确定性可复现的心脏超声分割与剪切波弹性成像（SWE）速度场稳定化基准框架，通过单变量消融比较四种 U-Net 系架构（2D、2.5D、3D、ConvLSTM）并评估六种稳定化方法，报告 ConvLSTM 分割精度最高（Dice 0.994、IoU 0.987，较 2D 基线 Dice 0.808 提升 18.6 个百分点）、UNet2.5D 在 3 帧时间窗下以更低延迟（433 ms 对 1193 ms）达到 Dice 0.983、TensorRT FP16 部署在 RTX 3060 与 Jetson Orin Nano 上分别达到 341 FPS 与 90.4 FPS，以及 smoothn 惩罚最小二乘稳定
已读完全部报道