Hourly Air Quality Forecasting Using Ensemble Learning: Insights from an Arid Urban Atmosphere
Cette étude développe un système de prévision horaire de la qualité de l'air basé sur l'apprentissage automatique pour Kerman, en Iran, utilisant un pipeline de prétraitement multi-étapes et des modèles d'arbres d'ensemble afin de prédire efficacement six polluants critiques tout en identifiant les principaux modèles temporels et les moteurs météorologiques dans un environnement urbain aride.