A Hybrid Feature-Engineered XGBoost Framework for Rainfall-Runoff Based Inflow Prediction of Ukai Dam, India
Este estudo propõe um novo framework híbrido de XGBoost com engenharia de atributos que integra um método aprimorado de Número de Curva de Conservação do Solo com engenharia de atributos temporais avançada para alcançar uma predição superior de vazão de entrada de chuva-escoamento para a Represa de Ukai, superando significativamente os modelos tradicionais de aprendizado de máquina e aprendizado profundo em precisão e confiabilidade para a gestão de recursos hídricos.