K-NN(K-NN)은 비슷한 접근법이다. 이 방법은 선택 기준에 따라 상이한 패턴을 구별하기 위해 비파라메트릭 통계 패턴 인식 절차로서의 기원을 가지고 있다. 이 방법을 통해 연구원은 미래의 데이터를 생성할 수 있습니다. 즉, KNN은 조건부 관계에 기초하여 관찰된 레코드에서 값을 조건부로 재샘플링하는 기술이다. KNN은 가장 간단한 접근 방식입니다. 기상 데이터를 생성하는 가장 유망한 비파라메트릭 기술은 K-가장 가까운 이웃(K-NN) 리샘플링 접근 방식입니다. K-NN 방법은 목표 연도의 감소로 사용될 수 있는 역사적 관찰기상 데이터 내에서 표적 le의 유사한 패턴을 인식하는 것을 기반으로 합니다(Young, 1994; 예이츠, 2003; Eum 외, 2010). 목표 연도는 기록 데이터와 함께 필요한 데이터의 초기 시드입니다. 모델을 실행하기 위한 입력 레입니다. 이 방법은 목표 연도 동안 관찰된 실제 기상 데이터가 과거에 기록된 날씨를 복제할 수 있다는 가정에 의존합니다. k-NN 기술은 사전 수학적 함수를 사용하여 대상 변수를 추정하지 않습니다. 실제로 이 방법의 알고리즘은 일반적으로 관심있는 날과 특성과 유사한 일수를 선택하는 것을 포함합니다. 이 중 하나는 시뮬레이션 기간에 다음 날의 날씨를 나타내기 위해 무작위로 다시 샘플링됩니다. 가장 가까운 이웃 접근 방식은 강수량 및 온도와 같은 기상 변수의 동시 샘플링을 포함합니다. 샘플링은 관찰된 데이터에서 교체하여 수행됩니다. K-NN 방법은 농업(Bannayan and Hoogenboom, 2009), 임업(Lopez et al., 2001) 및 수문학(Clark et al., 2004; 예이츠 외, 2003).
버전 기록
- 버전 1.0 에 게시 2017-01-01
프로그램 세부 정보
- 범주: 교육 > 과학
- 게시자: AgriMetSoft
- 라이센스: 무료 평가판
- 가격: $34.95
- 버전: 1.0
- 플랫폼: windows