เพื่อนบ้านที่อยู่ใกล้ที่สุด K (K-NN) เป็นวิธีการแบบอะนาล็อก วิธีนี้มีต้นกําเนิดเป็นขั้นตอนการจดจํารูปแบบทางสถิติที่ไม่ใช่พาราเมตริกเพื่อแยกความแตกต่างระหว่างรูปแบบที่แตกต่างกันตามเกณฑ์การเลือก ด้วยวิธีนี้นักวิจัยสามารถสร้างข้อมูลในอนาคต กล่าวอีกนัยหนึ่ง KNN เป็นเทคนิคที่ปรับค่าจากบันทึกที่สังเกตตามเงื่อนไขตามความสัมพันธ์แบบมีเงื่อนไข KNN เป็นวิธีที่ง่ายที่สุด เทคนิคที่ไม่ใช่พาราเมตริกที่มีแนวโน้มมากที่สุดสําหรับการสร้างข้อมูลสภาพอากาศคือวิธีการ resampling เพื่อนบ้านที่อยู่ใกล้ที่สุด K (K-NN) วิธีการ K-NN ขึ้นอยู่กับการรับรู้รูปแบบที่คล้ายกันของเป้าหมาย le ภายในข้อมูลสภาพอากาศที่สังเกตในอดีตซึ่งสามารถใช้เป็นการลดปีเป้าหมาย (Young, 1994; เยตส์, 2003; Eum et al., 2010) ปีเป้าหมายคือเมล็ดพันธุ์เริ่มต้นของข้อมูลซึ่งพร้อมกับข้อมูลในอดีตจะต้องเป็น อินพุต les สําหรับการเรียกใช้แบบจําลอง วิธีนี้ขึ้นอยู่กับสมมติฐานที่ว่าข้อมูลสภาพอากาศที่เกิดขึ้นจริงในช่วงปีเป้าหมายอาจเป็นการจําลองแบบของสภาพอากาศที่บันทึกไว้ในอดีต เทคนิค k-NN ไม่ได้ใช้ฟังก์ชันทางคณิตศาสตร์ที่กําหนดไว้ล่วงหน้าเพื่อประเมินตัวแปรเป้าหมาย ที่จริงแล้วอัลกอริทึมของวิธีนี้มักจะเกี่ยวข้องกับการเลือกจํานวนวันสายพันธุ์ที่คล้ายคลึงกับวันที่สนใจ หนึ่งในวันนี้จะถูกสุ่ม resampled เพื่อแสดงสภาพอากาศของวันถัดไปในช่วงเวลาจําลอง วิธีการเพื่อนบ้านที่ใกล้ที่สุดเกี่ยวข้องกับการสุ่มตัวอย่างตัวแปรสภาพอากาศพร้อมกันเช่นการตกตะกอนและอุณหภูมิ การสุ่มตัวอย่างจะดําเนินการจากข้อมูลที่สังเกตด้วยการเปลี่ยน วิธีการ K-NN ใช้กันอย่างแพร่หลายในการเกษตร (Bannayan และ Hoogenboom, 2009), ป่าไม้ (Lopez et al., 2001) และอุทกวิทยา (คลาร์ก et al., 2004; Yates et al., 2003)
ประวัติรุ่น
- เวอร์ชัน 1.0 โพสต์เมื่อ 2017-01-01
รายละเอียดหลักสูตร
- ประเภท: ศึกษา > วิทยาศาสตร์
- Publisher: AgriMetSoft
- ใบ อนุญาต: ทดลองใช้ฟรี
- ราคา: $34.95
- เวอร์ชัน: 1.0
- แพ ลตฟอร์ม: windows