Explainable Machine Learning for Bio-regional Drought Prediction in South Australia
Deze studie presenteert een uitlegbare machine learning-framework met behulp van XGBoost en Temporal Attention LSTM-modellen om de ernst van droogte over zes Zuid-Australische IBRA-subregio's met hoge nauwkeurigheid te voorspellen, waarbij wordt onthuld dat vertraagde SPI-12 en regenvalanomalieën dominante voorspellers zijn en de zesjarige voortplanting van de Millenniumdrought van de Murray Scroll Belt naar de Eyre Mallee in kaart wordt gebracht.