Articolo scientifico: Probabilistic Hydrological Post-Processing

L'articolo scientifico: Probabilistic Hydrological Post-Processing at Scale: Why and How to Apply Machine-Learning Quantile Regression Algorithms, pubblicato su Water, è disponibile ad accesso libero al link indicato in calce. Lo studio riguarda l'applicazione di algoritmi di tipo "machine-learning quantile regression" per stimare l'incertezza di simulazioni operate da modelli idrologici. Sono molto grato a Georgia Papacharalampous e Hristos Tyralis che hanno concepito l'idea ed hanno condotto gran parte del lavoro (con la supervisione di Demetris Koutsoyiannis). Lavorare con loro e' veramente una bella esperienza.
Grazie per l'interesse.
Ciao,
Alberto

Val al paper