KNN-WG 1.0
Podrás descargarlo en 5 segundos.
acerca de KNN-WG
Los vecinos más cercanos (K-NN) son un enfoque análogo. Este método tiene su origen como un procedimiento de reconocimiento de patrones estadísticos no paramétricos para distinguir entre diferentes patrones según un criterio de selección. A través de este método, los investigadores pueden generar datos futuros. En otras palabras, el KNN es una técnica que remuestrea condicionalmente los valores del registro observado en función de la relación condicional especificada. El KNN es el enfoque más simple. La técnica no paramétrica más prometedora para generar datos meteorológicos es el enfoque de remuestreo de vecino más cercano (K-NN). El método K-NN se basa en el reconocimiento de un patrón similar de objetivo le dentro de los datos meteorológicos históricos observados que podrían utilizarse como reducción del año objetivo (Young, 1994; Yates, 2003; Eum et al., 2010). El año objetivo es la semilla inicial de los datos que, junto con los datos históricos, son entrada para ejecutar el modelo. Este método se basa en la suposición de que los datos meteorológicos reales observados durante el año objetivo podrían ser una replicación del tiempo registrado en el pasado. La técnica k-NN no utiliza ninguna función matemática preconfigurada para estimar una variable de destino. En realidad, el algoritmo de este método normalmente implica seleccionar un número específico de días similares en características al día de interés. Uno de estos días se remuestrea aleatoriamente para representar el clima del día siguiente en el período de simulación. El enfoque del vecino más cercano implica el muestreo simultáneo de las variables climáticas, como la precipitación y la temperatura. El muestreo se lleva a cabo a partir de los datos observados, con sustitución. El método K-NN es ampliamente utilizado en la agricultura (Bannayan y Hoogenboom, 2009), la silvicultura (López et al., 2001) y la hidrología (Clark et al., 2004; Yates et al., 2003).