Comparación de algoritmos de ensamble para fusión de datos de precipitación

NOVEDADES BIBLIOTECA CPI – El estudio compara tres algoritmos de ensamble basados en árboles (Random Forest, GBM y XGBoost) para mejorar la precisión de datos de precipitación diaria en EE. UU., combinando datos satelitales y terrestres. XGBoost tuvo el mejor rendimiento, superando ampliamente a la regresión lineal. Se destaca también el mejor desempeño de IMERG frente a PERSIANN. Los resultados orientan la elección de modelos en estudios hidrológicos.

Autores: Georgia Papacharalampous, Hristos Tyralis, Anastasios Doulamis, Nikolaos Doulamis
Revista: Hydrology
Revisa el artículo aquí