Smart Ensemble Learning Framework for Predicting Groundwater Heavy Metal Pollution

Cette étude développe un cadre prédictif pour modéliser l'Indice de Pollution par les Métaux Lourds (HPI) dans les eaux souterraines, intégrant des transformations de réponse avec un apprentissage automatique en ensemble validé par validation croisée imbriquée. Elle vise à surmonter les défis posés par la complexité statistique et l'hétérogénéité spatiale des contaminants qui affectent les méthodes de prédiction conventionnelles.