KNN-WG 1.0
5秒でダウンロードできます。
に関しては KNN-WG
近傍 K-NN は類似のアプローチです。この方法は、選択基準に従って異なるパターンを区別するための非パラメトリック統計パターン認識手順としてその起源を有する。この方法を通して、研究者は将来のデータを生成することができます。つまり、KNNは、条件関係に基づいて、観測されたレコードから値を条件付きで再サンプルする手法です。KNN は最も簡単なアプローチです。 気象データを生成するための最も有望な非パラメトリック手法は、K-最も近い近傍 (K-NN) リサンプリングアプローチです。K-NN法は、目標年の減少として使用できる過去の観測された気象データ内のターゲットルの同様のパターンを認識することに基づいています(Young, 1994;イェーツ,2003;Eumら, 2010).目標年は、履歴データと共に、次のように必要とされるデータの初期シードです。 モデルを実行するための入力の les。この方法は、目標年に観測された実際の気象データが過去に記録された気象の複製である可能性があるという仮定に依存しています。k-NN 手法では、先行した数学関数を使用してターゲット変数を推定することはありません。 実際には、この方法のアルゴリズムは、通常、関心のある日に特性に類似した日数を選択することを含みます。これらの日の 1 つは、シミュレーション期間内の翌日の天気を表すためにランダムにリサンプリングされます。最も近い近傍アプローチでは、降水量や気温などの気象変数を同時にサンプリングします。サンプリングは、観察されたデータから行われ、交換が行われます。 K-NN法は、農業(バンナヤンとフーゲンブーム、2009年)、林業(Lopezら、2001)および水文学(Clarkら、2004年)で広く使用されています。イェーツら、2003)。