KNN-WG 1.0
आप 5 सेकंड में डाउनलोड कर सकेंगे।
करीबन KNN-WG
कश्मीर निकटतम पड़ोसियों (कश्मीर-एनएन) एक अनुरूप दृष्टिकोण है । इस विधि का मूल एक गैर-पैरामेट्रिक सांख्यिकीय पैटर्न मान्यता प्रक्रिया के रूप में है जो चयन मापदंड के अनुसार विभिन्न पैटर्नों के बीच अंतर करता है। इस विधि के माध्यम से शोधकर्ता भविष्य के आंकड़े जुटा सकते हैं। दूसरे शब्दों में, केएनएन एक तकनीक है जो सशर्त संबंध के आधार पर मनाए गए रिकॉर्ड से मूल्यों को सशर्त रूप से पुनर्संरेखित करती है। केएनएन सबसे सरल दृष्टिकोण है। मौसम डेटा उत्पन्न करने के लिए सबसे आशाजनक गैर-पैरामेट्रिक तकनीक कश्मीर-निकटतम पड़ोसी (K-NN) रीसमलिंग दृष्टिकोण है। कश्मीर-एनएन विधि ऐतिहासिक मनाया मौसम डेटा जो लक्ष्य वर्ष (युवा, १९९४) की कमी के रूप में इस्तेमाल किया जा सकता है के भीतर लक्ष्य ले के एक समान पैटर्न को पहचानने पर आधारित है; येट्स, 2003; यूम एट अल., 2010)। लक्ष्य वर्ष डेटा का प्रारंभिक बीज है, जो ऐतिहासिक आंकड़ों के साथ, के रूप में आवश्यक है मॉडल चलाने के लिए इनपुट लेस। यह विधि इस धारणा पर निर्भर करती है कि लक्ष्य वर्ष के दौरान देखे गए वास्तविक मौसम डेटा अतीत में दर्ज मौसम की प्रतिकृति हो सकती है। के-एनएन तकनीक लक्ष्य परिवर्तनीय अनुमान लगाने के लिए किसी भी पूर्व निर्धारित गणितीय कार्यों का उपयोग नहीं करती है। वास्तव में, इस विधि के एल्गोरिदम में आम तौर पर ब्याज के दिन के समान दिनों की एक विशिष्ट संख्या का चयन करना शामिल है। इन दिनों में से एक सिमुलेशन अवधि में अगले दिन के मौसम का प्रतिनिधित्व करने के लिए बेतरतीब ढंग से फिर से सरल है। निकटतम पड़ोसी दृष्टिकोण में वर्षा और तापमान जैसे मौसम चरों का एक साथ नमूना शामिल है। नमूना प्रतिस्थापन के साथ, मनाया डेटा से किया जाता है। कश्मीर-एनएन विधि का व्यापक रूप से कृषि (बन्नायन और हुगेनबूम, 2009), वानिकी (लोपेज एट अल, 2001) और जलविज्ञान (क्लार्क एट अल, 2004) में उपयोग किया जाता है; येट्स एट अल., 2003) ।