KNN-WG 1.0
Anda dapat mengunduh dalam 5 detik.
Tentang KNN-WG
Tetangga K-terdekat (K-NN) adalah pendekatan analog. Metode ini berasal sebagai prosedur pengenalan pola statistik non-parametrik untuk membedakan antara pola yang berbeda sesuai dengan kriteria seleksi. Melalui metode ini, peneliti dapat menghasilkan data di masa depan. Dengan kata lain, KNN adalah teknik yang secara kondisional mengubah nilai-nilai dari catatan yang diamati berdasarkan hubungan bersyarat yang berkekanberatan. KNN adalah pendekatan yang paling sederhana. Teknik non-parametrik yang paling menjanjikan untuk menghasilkan data cuaca adalah pendekatan resampling tetangga K-nearest (K-NN). Metode K-NN didasarkan pada mengenali pola target le yang sama dalam data cuaca historis yang diamati yang dapat digunakan sebagai pengurangan target tahun (Young, 1994; Yates, 2003; Eum et al., 2010). Tahun target adalah benih awal data yang, bersama dengan data historis, diperlukan sebagai input les untuk menjalankan model. Metode ini bergantung pada asumsi bahwa data cuaca aktual yang diamati selama tahun target bisa menjadi replikasi cuaca yang tercatat di masa lalu. Teknik k-NN tidak menggunakan fungsi matematika pradensa untuk memperkirakan variabel target. Sebenarnya, algoritma metode ini biasanya melibatkan pemilihan jumlah hari yang spesies serupa dalam karakteristik dengan hari yang diminati. Salah satu hari ini secara acak resampled untuk mewakili cuaca keesokan harinya dalam periode simulasi. Pendekatan tetangga terdekat melibatkan pengambilan sampel simultan dari variabel cuaca, seperti curah hujan dan suhu. Pengambilan sampel dilakukan dari data yang diamati, dengan penggantian. Metode K-NN banyak digunakan dalam pertanian (Beringin dan Hoogenboom, 2009), kehutanan (Lopez et al., 2001) dan hidrologi (Clark et al., 2004; Yates et al., 2003).