Local differences in feature importance for the prediction of PM10, O3 and NOx using Dresden as example

Local differences in feature importance for the prediction of PM₁₀, O₃ and NO_x using Dresden as example

Publikation: Beitrag in Buch/Konferenzbericht/Sammelband/Gutachten › Beitrag in Konferenzband › Beigetragen › Begutachtung

Sophie Teichmann - , Center for Scalable Data Analytics and Artificial Intelligence (ScaDS.AI Dresden) (Autor:in)
Lukas Ninnemann - , Center for Scalable Data Analytics and Artificial Intelligence (ScaDS.AI Dresden) (Autor:in)
Jochen Schanze - , Center for Scalable Data Analytics and Artificial Intelligence (ScaDS.AI Dresden), Leibniz-Institut für ökologische Raumentwicklung e. V. (Autor:in)
Jyotirmaya Ijaradar - , Professur für Verkehrsprozessautomatisierung (Autor:in)
Hendrik Herold - , Center for Scalable Data Analytics and Artificial Intelligence (ScaDS.AI) Dresden/Leipzig, Leibniz-Institut für ökologische Raumentwicklung e. V. (Autor:in)

Originalsprache	Englisch
Titel	28th AGILE Conference on Geographic Information Science - Poster Track, Dresden, Germany
Seitenumfang	4
Publikationsstatus	Veröffentlicht - 4 Mai 2025
Peer-Review-Status	Ja

Titel	28th AGILE Conference on Geographic Information Science
Untertitel	Geographic Information Science responding to Global Challenges
Kurztitel	AGILE 2025
Veranstaltungsnummer	28
Dauer	10 - 13 Juni 2025
Webseite	https://agile-gi.eu/
Bekanntheitsgrad	Internationale Veranstaltung
Ort	Deutsches Hygiene-Museum
Stadt	Dresden
Land	Deutschland