Die K-nächsten Nachbarn (K-NN) ist ein analoger Ansatz. Diese Methode hat ihren Ursprung als nicht-parametrisches statistisches Mustererkennungsverfahren, um nach einem Auswahlkriterium zwischen verschiedenen Mustern zu unterscheiden. Mit dieser Methode können Forscher zukünftige Daten generieren. Mit anderen Worten, der KNN ist eine Technik, die die Werte aus dem beobachteten Datensatz basierend auf der angegebenen bedingten Beziehung bedingt neu sampelt. Der KNN ist der einfachste Ansatz. Die vielversprechendste nicht-parametrische Technik zum Generieren von Wetterdaten ist der K-nächste Nachbar (K-NN) Resampling-Ansatz. Die K-NN-Methode beruht auf der Erkennung eines ähnlichen Musters von Zieldaten innerhalb der historischen beobachteten Wetterdaten, die als Verringerung des Zieljahres verwendet werden könnten (Young, 1994; Yates, 2003; Eum et al., 2010). Das Zieljahr ist die Ausgangssaat von Daten, die zusammen mit den historischen Daten als Eingabeles für die Ausführung des Modells. Diese Methode beruht auf der Annahme, dass die im Zieljahr beobachteten tatsächlichen Wetterdaten eine Wiederholung des in der Vergangenheit aufgezeichneten Wetters sein könnten. Die k-NN-Technik verwendet keine vorgefertigten mathematischen Funktionen, um eine Zielvariable zu schätzen. Tatsächlich beinhaltet der Algorithmus dieser Methode in der Regel die Auswahl einer bestimmten Anzahl von Tagen, die in Merkmalen ähnlich dem Tag des Interesses ähnelt. Einer dieser Tage wird nach dem Zufallsprinzip neu gesampelt, um das Wetter des nächsten Tages im Simulationszeitraum darzustellen. Der nächste Nachbaransatz beinhaltet die gleichzeitige Probenahme der Wettervariablen, wie Niederschlag und Temperatur. Die Probenahme wird aus den beobachteten Daten mit Ersatz durchgeführt. Die K-NN-Methode ist weit verbreitet in der Landwirtschaft (Bannayan und Hoogenboom, 2009), Forstwirtschaft (Lopez et al., 2001) und Hydrologie (Clark et al., 2004; Yates et al., 2003).
VERSIONSVERLAUF
- Version 1.0 veröffentlicht auf 2017-01-01
Programmdetails
- Kategorie: Bildung > Wissenschaft
- Verlag: AgriMetSoft
- Lizenz: Kostenlose Testversion
- Preis: $34.95
- Version: 1.0
- Plattform: windows