A Hybrid Feature-Engineered XGBoost Framework for Rainfall-Runoff Based Inflow Prediction of Ukai Dam, India
Diese Studie schlägt ein neuartiges, hybrid durch Feature-Engineering erweitertes XGBoost-Framework vor, das eine verbesserte Soil-Conservation-Curve-Number-Methode mit fortgeschrittenem zeitlichem Feature-Engineering integriert, um eine überlegene Vorhersage des Niederschlag-Abfluss-Zuflusses für den Ukai-Staudamm zu erreichen, wobei es traditionelle maschinelle Lern- und Deep-Learning-Modelle hinsichtlich Genauigkeit und Zuverlässigkeit für das Wasserressourcenmanagement signifikant übertrifft.