A Hybrid Feature-Engineered XGBoost Framework for Rainfall-Runoff Based Inflow Prediction of Ukai Dam, India
Cette étude propose un nouveau cadre hybride d'XGBoost à ingénierie de caractéristiques qui intègre une méthode améliorée du Nombre de Courbe de Conservation des Sols avec une ingénierie de caractéristiques temporelles avancée afin d'atteindre une prédiction supérieure du débit de ruissellement des précipitations pour le barrage d'Ukai, surpassant de manière significative les modèles traditionnels d'apprentissage automatique et d'apprentissage profond en termes de précision et de fiabilité pour la gestion des ressources en eau.