Georgia A Papacharalampous - Παραθέσεις Μελετητή Google

Παρατίθεται από

	Όλα	Από το 2015
Παραθέσεις	356	356
h-index	10	10
i10-index	12	12

180

135

2015201620172018201920202 1 29 53 169 101

Συν-συγγραφείς

Hristos TyralisHellenic Air ForceΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα itia.ntua.gr
Demetris KoutsoyiannisProf. of Hydrology & Hydrosystems; Dept. of Water Resources; School of Civil Engineering; NTU AthensΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα itia.ntua.gr
Andreas LangousisAssociate Professor, Department of Civil Engineering, University of Patras (UPatras), GreeceΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα upatras.gr
Alberto MontanariProfessor of Hydrology and Water Engineering, University of BolognaΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα unibo.it
Apostolos BurnetasDepartment of Mathematics, National and Kapodistrian University of AthensΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα math.uoa.gr
Nikos MamassisAssociate Professor of Hydrology; Dept. of Water Resources; School of Civil Engineering; NTU AthensΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα itia.ntua.gr
Sarintip TantaneeNaresuan UniversityΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα nu.ac.th
Panos N. PapanicolaouAssociate Professor, School of Civil Engineering, National Technical University of AthensΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα mail.ntua.gr
Panayiotis DimitriadisDepartment of Water Resources and Environmental Engineering, School of Civil Engineering, NTUAΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα itia.ntua.gr
Christos KotsalosUniversity of GenevaΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα unige.ch
Martzikos NikolasNational Technical University of AthensΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα central.ntua.gr
Sivakumar BellieUniversity of New South Wales

Georgia A Papacharalampous

PhD student, School of Civil Engineering, National Technical University of Athens

Η διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα itia.ntua.gr - Αρχική σελίδα

Hydroinformatics Large-scale hydrology Stochastic Hydrology Forecasting Machine learning


Τίτλος Ταξινόμηση με βάση τις αναφορές Ταξινόμηση κατά έτος Ταξινόμηση κατά τίτλο	Παρατίθεται από Παρατίθεται από	Έτος
Twenty-three Unsolved Problems in Hydrology (UPH)–a community perspective G Blöschl, MFP Bierkens, A Chambel, C Cudennec, G Destouni, A Fiori, ... Hydrological Sciences Journal 64 (10), 1141–1158, 2019	53	2019
Variable Selection in Time Series Forecasting Using Random Forests H Tyralis, G Papacharalampous Algorithms 10 (4), 114, 2017	53	2017
Comparison of stochastic and machine learning methods for multi-step ahead forecasting of hydrological processes GA Papacharalampous, H Tyralis, D Koutsoyiannis Stochastic Environmental Research and Risk Assessment 33 (2), 481–514, 2019	51*	2019
Predictability of monthly temperature and precipitation using automatic time series forecasting methods G Papacharalampous, H Tyralis, D Koutsoyiannis Acta Geophysica 66 (4), 807–831, 2018	39	2018
One-step ahead forecasting of geophysical processes within a purely statistical framework G Papacharalampous, H Tyralis, D Koutsoyiannis Geoscience Letters 5 (1), 12, 2018	26*	2018
A brief review of random forests for water scientists and practitioners and their recent history in water resources H Tyralis, G Papacharalampous, A Langousis Water 11 (5), 910, 2019	22*	2019
Univariate time series forecasting of temperature and precipitation with a focus on machine learning algorithms: A multiple-case study from Greece G Papacharalampous, H Tyralis, D Koutsoyiannis Water Resources Management 32 (15), 5207–5239, 2018	16	2018
Forecasting of geophysical processes using stochastic and machine learning algorithms GA Papacharalampous, H Tyralis, D Koutsoyiannis European Water, 161–168, 2017	16	2017
Evaluation of random forests and Prophet for daily streamflow forecasting GA Papacharalampous, H Tyralis Advances in Geosciences 45, 201–208, 2018	13	2018
How to explain and predict the shape parameter of the generalized extreme value distribution of streamflow extremes using a big dataset H Tyralis, G Papacharalampous, S Tantanee Journal of Hydrology 574, 628–645, 2019	11	2019
Hydrological post-processing using stacked generalization of quantile regression algorithms: Large-scale application over CONUS H Tyralis, GA Papacharalampous, A Burnetas, A Langousis Journal of Hydrology 577, 123957, 2019	10	2019
Error evolution in multi-step ahead streamflow forecasting for the operation of hydropower reservoirs G Papacharalampous, H Tyralis, D Koutsoyiannis Preprints 2017100129, 2017	10*	2017
Large-scale assessment of Prophet for multi-step ahead forecasting of monthly streamflow H Tyralis, GA Papacharalampous Advances in Geosciences 45, 147–153, 2018	9	2018
Quantification of predictive uncertainty in hydrological modelling by harnessing the wisdom of the crowd: A large-sample experiment at monthly timescale G Papacharalampous, H Tyralis, D Koutsoyiannis, A Montanari Advances in Water Resources 136, 103470, 2020	4	2020
Quantification of predictive uncertainty in hydrological modelling by harnessing the wisdom of the crowd: Methodology development and investigation using toy models G Papacharalampous, D Koutsoyiannis, A Montanari Advances in Water Resources 136, 103471, 2020	4	2020
Probabilistic hydrological post-processing at scale: Why and how to apply machine-learning quantile regression algorithms G Papacharalampous, H Tyralis, A Langousis, AW Jayawardena, ... Water 11 (10), 2126, 2019	4*	2019
Zone of flow establishment in turbulent jets P Dimitriadis, M Liveri-Dalaveri, A Kaldis, C Kotsalos, ... EGU General Assembly Conference Abstracts 14, 12716, 2012	4	2012
Super learning for daily streamflow forecasting: Large-scale demonstration and comparison with multiple machine learning algorithms H Tyralis, G Papacharalampous, A Langousis arXiv preprint arXiv:1909.04131, 2019	3	2019
Theoretical and empirical comparison of stochastic and machine learning methods for hydrological processes forecasting GA Papacharalampous National Technical University of Athens, 2017	3	2017
A set of metrics for the effective evaluation of point forecasting methods used for hydrological tasks G Papacharalampous, H Tyralis, D Koutsoyiannis AOGS 14th Annual Meeting, Singapore, 2017, HS01-A001, 2017	2*	2017

Δεν είναι δυνατή η εκτέλεση της ενέργειας από το σύστημα αυτή τη στιγμή. Προσπαθήστε ξανά αργότερα.

Άρθρα 1–20

Παραθέσεις ανά έτος

Διπλότυπες αναφορές

Συγχωνευμένες αναφορές

Προσθήκη από κοινού συγγραφέωνΣυν-συγγραφείς

Μεταφόρτωση PDF

Ακολουθήστε αυτόν τον συγγραφέα

Παρατίθεται από

Συν-συγγραφείς