چکیده
روش پیش‌بینی نقش مهمی را در پیش‌بینی دقیق بارش دارد. اخیراً، یادگیری ماشین به میزان زیادی برای پیش‌بینی بارش استفاده‌شده است و الگوریتم K-نزدیک‌ترین همسایگی (KNN)، یکی از تکنیک های یادگیری ماشین، عملکرد خوبی را نشان داد. در این مقاله، ما به ارائه یک الگوریتم KNN ارتقا یافته می پردازیم که در برابر انتخاب‌های مختلف اندازه همسایگی k به‌ویژه در مورد توزیع غیرعادی کلاس مجموعه داده‌های بارش، نیرومندی نشان می‌دهد، سپس، بر مبنای الگوریتم KNN ارتقا یافته، یک روش پیش‌بینی بارش مطرح می‌شود. نتایج تجربی وسیع اثربخشی روش پیش‌بینی بارش برپایه الگوریتم KNN پیشنهادی ما را نشان می‌دهد.
کلمات کلیدی
الگوریتم – KNN ارتقا الگوریتم KNN- پیش‌بینی بارش- بارش
Abstract
The prediction method plays crucial roles in accurate precipitation forecasts. Recently, machine learning has been widely used for forecasting precipitation, and the K-nearest neighbor (KNN) algorithm, one of machine learning techniques, showed good performance. In this paper, we propose an improved KNN algorithm, which offers robustness against different choices of the neighborhood size k, particularly in the case of the irregular class distribution of the precipitation dataset. Then, based our improved KNN algorithm, a new precipitation forecast approach is put forward. Extensive experimental results demonstrate that the effectiveness of our proposed precipitation forecast approach based on improved KNN algorithm.
چکیده
- مقدمه
- کارهای مرتبط
- KNN
- WKNN و DWKNN
- الگوریتم KNN بهبود یافته ما
- پیش بینی بارندگی بر اساس الگوریتم KNN بهبود یافته برای منطقه پکن
- داده های بارندگی و پیش بینی کننده ها
- نرمالیزاسیون
- پیش بینی بارندگی بر اساس الگوریتم KNN بهبود یافته
- آزمایشات و نتایج
- معیارهای ارزیابی عملکرد پیش بینی بارندگی
- پیش بینی بارش
- نتیجه گیری
منابع
نتیجه‌گیری
در این مقاله، یک الگوریتم KNN ارتقا یافته ارائه‌شده است. این الگوریتم توانمندی خود را در مقابل گزینه‌های مختلف اندازه برای نزدیک‌ترین همسایگی K به‌خصوص در حالت مجموعه‌ای از داده‌های پیش‌بینی با توزیع نامساعد نشان می‌دهد. سپس با تکیه‌بر الگوریتم KNN رویکرد جدید پیش‌بینی بارش را ارائه می‌کنیم. یافته‌های آزمایشی گسترده پیش‌بینی درجه و باران و بدون باران نشان می‌دهد که رویکرد پیش‌بینی بر اساس الگوریتم KNN ارتقا یافته تأثیرگذار است. در کارهای آتی ما درصدد آن هستیم تا روش‌های انتخابی پیش‌بینی کننده‌ها را طراحی کنیم تا عملکرد پیش‌بینی بارش را ارتقا دهیم.
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.