作者：陈浩; 宁忱; 南卓铜; 王玉丹; 吴小波; 赵...机器学习模型降水数据订正青藏高原
摘要：选择了5种机器学习模型,即k最近邻方法（KNN）、多元自回归样条方法（MARS）、支持向量机（SVM）、多项对数线性模型（MLM）和人工神经网络（ANN）,利用海拔、相对湿度、坡向、植被、风速、气温和坡度等因子订正ITPCAS和CMORPH两种常用的青藏高原日降水数据集。五折交叉验证表明,KNN的订正精度最高。在三个验证站点（唐古拉、西大滩和五道梁）的误差分析,以及对青藏高原年降水量的空间分析均表明,KNN对CMORPH的订正效果显著,对ITPCAS在局部区域有一定订正效果,ITPCAS及其订正值的降水空间分布准确度高于CMORPH的订正值。主成分分析法表明降水订正是气象和环境因子综合作用的结果。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
