Explainable Machine Learning for Predicting Thermal Discomfort from Multipollutant Exposure on Dhaka Roadways
تستخدم هذه الدراسة إطار عمل لتعلم الآلة القابل للتفسير لتوضيح أن مستخدمي الطرق في موسم الأمطار في دكا يواجهون عبئاً شديداً من عدم الارتياح الحراري المدمج الناتج عن التأثيرات التآزرية للحرارة العالية، وتلوث الجسيمات الدقيقة (PM₂.₅)، وضجيج حركة المرور، مع تحديد الحرارة باعتبارها المساهم الرئيسي في تنبؤات النموذج.