K 最近鄰域 （K-NN） 是一種類似的方法。該方法的起源是非參數統計模式識別過程，根據選擇標準區分不同模式。通過這種方法，研究人員可以生成未來的數據。換句話說，KNN 是一種基於條件關係規範有條件地重新採樣觀測記錄中的值的技術。KNN 是最簡單的方法。 生成天氣數據的最有希望的非參數化技術是 K-最近鄰（K-NN）重採樣方法。K-NN 方法基於在歷史觀測天氣數據中識別類似的目標 le 模式，該模式可用於減少目標年數（Young，1994 年;耶茨，2003年;Eum等人，2010年）。目標年度是數據的初始種子，這些數據與歷史數據一起，需要作為 用於運行模型的輸入 les。此方法依賴於以下假設：目標年觀測到的實際天氣數據可能是過去記錄的天氣的複製。k-NN 技術不使用任何預定義的數學函數來估計目標變數。 實際上，此方法的演算法通常涉及選擇與感興趣日相似的指定天數。其中一天是隨機重新採樣，以表示模擬期間第二天的天氣。最近的鄰域方法涉及同時採樣天氣變數，如降水和溫度。採樣從觀測到的數據進行，並進行替換。 K-NN方法廣泛應用於農業（班納揚和胡根布姆，2009年）、林業（Lopez等人，2001年）和水文（克拉克等人，2004年;耶茨等人，2003年）。
版本歷史記錄
- 版本 1.0 發佈於 2017-01-01
軟體細節
- 軟體分類： 教育 > 科學
- 發佈者： AgriMetSoft
- 軟體性質： 免費試用
- 價格： $34.95
- 版本： 1.0
- 作業系統： windows