HydroBoost Hybrid Model: A Novel SARIMAX–GBM Residual Learning Approach for Rainfall Spike Prediction
0Citations signalées — pas une note de qualité
3Institutions déclarées
2Pays d’affiliation déclarés
Résumé indisponible : les résultats de l’étude ne doivent pas être déduits depuis son seul titre.
Contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- HydroBoost Hybrid Model: A Novel SARIMAX–GBM Residual Learning Approach for Rainfall Spike Prediction
- Date Crossref
- 10/12/2025
- Éditeur
- Springer Science and Business Media LLC
- Type
- posted-content
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude et ne compte pas comme une seconde source scientifique indépendante.
Institutions déclarées
Pandit Deendayal Energy UniversityAll-Russian research Institute of metrological serviceKebri Dehar University
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Sujets associés
Hydrological Forecasting Using AIStock Market Forecasting MethodsAdvanced Technologies in Various Fields