Predicting Vertical Radio Refractivity Gradients Across Temperate, Subarctic, and Polar Climates Using Ensemble Machine Learning
Cette étude démontre que les modèles d'apprentissage automatique d'ensemble, particulièrement LightGBM, prédisent efficacement les gradients verticaux de réfractivité radio à travers les climats tempérés, subarctiques et polaires en utilisant les données de réanalyse ERA5 et divers prédicteurs atmosphériques, atteignant une grande précision tout en soulignant la nécessité d'une validation future par rapport à des observations indépendantes.