Les voisins les plus proches de K (K-NN) est une approche analogue. Cette méthode a son origine en tant que procédure de reconnaissance statistique non paramétrique de modèle pour distinguer entre différents modèles selon un critère de sélection. Grâce à cette méthode, les chercheurs peuvent générer des données futures. En d’autres termes, le KNN est une technique qui rééchantillonner conditionnellement les valeurs de l’enregistrement observé en fonction de la relation conditionnelle specied. Le KNN est l’approche la plus simple. La technique non paramétrique la plus prometteuse pour générer des données météorologiques est l’approche de rééchantillonnement du voisin K-nearest (K-NN). La méthode K-NN est fondée sur la reconnaissance d’un modèle similaire de le cible dans les données météorologiques historiques observées qui pourraient être utilisées comme réduction de l’année cible (Young, 1994; Yates, 2003; Eum et coll., 2010). L’année cible est la première série de données qui, avec les données historiques, sont moins pour l’exécution du modèle. Cette méthode repose sur l’hypothèse que les données météorologiques réelles observées au cours de l’année cible pourraient être une réplication des conditions météorologiques enregistrées dans le passé. La technique k-NN n’utilise pas de fonctions mathématiques antérieures pour estimer une variable cible. En fait, l’algorithme de cette méthode implique généralement la sélection d’un nombre spécipé de jours similaires en caractéristiques au jour d’intérêt. L’un de ces jours est rééchantillonné au hasard pour représenter la météo du lendemain dans la période de simulation. L’approche voisine la plus proche implique un échantillonnage simultané des variables météorologiques, telles que les précipitations et la température. L’échantillonnage est effectué à partir des données observées, avec remplacement. La méthode K-NN est largement utilisée dans l’agriculture (Bannayan et Hoogenboom, 2009), la foresterie (Lopez et coll., 2001) et l’hydrologie (Clark et coll., 2004; Yates et coll., 2003).
historique de la version
- Version 1.0 posté sur 2017-01-01
Détails du programme
- Catégorie: Éducation > Science
- Éditeur: AgriMetSoft
- Licence: Essai gratuit
- Prix: $34.95
- Version: 1.0
- Plate-forme: windows