A Hybrid Feature-Engineered XGBoost Framework for Rainfall-Runoff Based Inflow Prediction of Ukai Dam, India
Questo studio propone un nuovo framework XGBoost ibrido basato sull'ingegneria delle caratteristiche che integra un metodo potenziato del Soil Conservation Curve Number con un'avanzata ingegneria delle caratteristiche temporali per ottenere una previsione superiore del deflusso piovoso per la diga di Ukai, superando significativamente i modelli tradizionali di apprendimento automatico e di apprendimento profondo in termini di accuratezza e affidabilità per la gestione delle risorse idriche.