Machine Learning and Bias-Corrected CMIP6 for Improved Streamflow Prediction in the Data-Scarce Kulfo River, Ethiopia
본 연구는 편향이 교정된 CMIP6 기후 투영치를 머신러닝 모델, 특히 랜덤 포레스트와 통합하는 것이 데이터가 부족한 쿨포 강 유역의 유량 예측 정확도를 유의미하게 향상시킨다는 것을 입증하며, 다양한 기후 변화 시나리오 하에서 기온 상승과 연간 유량 감소 및 수문학적 불확실성 증가의 미래 추세를 밝혀낸다.