KNN-WG 1.0
5 saniye içinde indirebilirsiniz.
Hakkı -nda KNN-WG
K-en yakın komşular (K-NN) benzer bir yaklaşımdır. Bu yöntem, bir seçim ölçütüne göre farklı desenleri ayırt etmek için parametrik olmayan istatistiksel örüntü tanıma yordamı olarak kökeni vardır. Bu yöntem sayesinde, araştırmacılar gelecekteki verileri oluşturabilir. Başka bir deyişle, KNN, gözlenen kayıttaki değerleri, örneklenen koşullu ilişkiye göre koşullu olarak yeniden örnekleyen bir tekniktir. KNN en basit yaklaşımdır. Hava durumu verileri oluşturmak için en umut verici olmayan parametrik teknik K-en yakın komşu (K-NN) yeniden örnekleme yaklaşımıdır. K-NN yöntemi, hedef yılı azaltma olarak kullanılabilecek tarihsel gözlemlenen hava verileri içinde benzer bir hedef le deseni tanımaya dayanır (Young, 1994; Yates, 2003; Eum ve ark., 2010). Hedef yıl, geçmiş verilerle birlikte modeli çalıştırmak için giriş les. Bu yöntem, hedef yıl boyunca gözlenen gerçek hava durumu verilerinin geçmişte kaydedilen hava durumunun bir kopyası olabileceği varsayımına dayanır. K-NN tekniği, bir hedef değişkeni tahmin etmek için önceden kullanılan matematiksel işlevleri kullanmaz. Aslında, bu yöntemin algoritması genellikle ilgi gününe benzer özellikleri gün bir özel sayı seçerek içerir. Bu günlerden biri simülasyon döneminde ertesi günün hava durumunu temsil etmek için rastgele yeniden örneklenir. En yakın komşu yaklaşımı, yağış ve sıcaklık gibi hava değişkenlerinin eşzamanlı örneklemesini içerir. Örnekleme gözlenen verilerden, değiştirilen gerçekleştirilir. K-NN yöntemi yaygın olarak tarımda kullanılmaktadır (Bannayan ve Hoogenboom, 2009), ormancılık (Lopez ve ark., 2001) ve hidroloji (Clark vd., 2004; Yates ve ark., 2003).