KNN-WG 1.0
Вы сможете скачать в течение 5 секунд.
О KNN-WG
К-ближайших соседей (K-NN) является аналогичным подходом. Этот метод берет свое начало как немарметрическая процедура распознавания статистических моделей для проведения различия между различными моделями в соответствии с критерием отбора. С помощью этого метода исследователи могут генерировать будущие данные. Другими словами, KNN является методом, который условно resamples значения из наблюдаемой записи на основе условных отношений specied. KNN является самым простым подходом. Наиболее перспективным непераметрическим методом генерации метеорологических данных является подход К-ближайшего соседа (K-NN). Метод К-НН основан на признании аналогичной модели целевого ле в рамках исторических наблюдаемых метеорологических данных, которые могут быть использованы в качестве сокращения целевого года (Young, 1994; Yates, 2003; Eum et al., 2010). Целевой год является первоначальным семенем данных, которые вместе с историческими данными вход les для запуска модели. Этот метод основывается на предположении, что фактические метеорологические данные, наблюдаемые в течение целевого года, могут быть репликацией погоды, зарегистрированной в прошлом. Метод k-NN не использует предраспробные математические функции для оценки целевой переменной. На самом деле, алгоритм этого метода обычно включает в себя выбор specied количество дней, аналогичных по характеристикам в день интереса. Один из этих дней случайным образом переусился, чтобы представить погоду следующего дня в период моделирования. Ближайший соседский подход включает в себя одновременный отбор проб погодных переменных, таких как осадки и температура. Выборка проводится на основе наблюдаемых данных с заменой. Метод K-NN широко используется в сельском хозяйстве (Bannayan and Hoogenboom, 2009), лесном хозяйстве (Lopez et al., 2001) и гидрологии (Clark et al., 2004; Yates et al., 2003).