A Hybrid Feature-Engineered XGBoost Framework for Rainfall-Runoff Based Inflow Prediction of Ukai Dam, India
Este estudio propone un novedoso marco de XGBoost con ingeniería de características híbrida que integra un método mejorado del Número de Curva de Conservación de Suelos con una ingeniería de características temporales avanzada para lograr una predicción superior de la escorrentía de lluvia para la Presa de Ukai, superando significativamente a los modelos tradicionales de aprendizaje automático y aprendizaje profundo en precisión y confiabilidad para la gestión de los recursos hídricos.