加权
插值(计算机图形学)
缺少数据
反距离权重法
多元插值
计算机科学
统计
数学
双线性插值
人工智能
医学
放射科
运动(物理)
作者
Jorge L. Morales,Francisco Antonio Horta-Rangel,Ignacio Segovia-Domínguez,A. Robles-Morúa,Horacio Hernández
出处
期刊:Atmosfera
[Centro de Ciencias de la Atmosfera]
日期:2019-07-01
卷期号:32 (3): 237-259
被引量:13
标识
DOI:10.20937/atm.2019.32.03.06
摘要
En el presente trabajo se desarrollaron y probaron dos métodos generalizados ponderados de imputación de los valores de datos faltantes, utilizando para ello series diarias de precipitación.Se usaron registros de precipitación del estado de Tabasco, México, del periodo 1980-2012, para probar y evaluar la metodología propuesta.La imputación de datos faltantes en una estación meteorológica determinada se realizó utilizando información diaria de estaciones cercanas con patrones similares de precipitación.La selección de parámetros óptimos para las fórmulas propuestas se basó en la minimización del error medio absoluto mediante una estrategia evolutiva (CMA-ES).Se utilizó el método de K-medias junto con la distancia euclidiana para elegir las estaciones meteorológicas cercanas adecuadas.Se aplicaron cinco métodos diferentes para estimar el número óptimo de clústeres: el método de Elbow, la estadística de Gap y los índices TraceW, de Hartigan y de Krasnowski-Lai.Adicionalmente, se evaluó la estabilidad estructural de los clústeres seleccionados para demostrar que representan la estructura de datos correcta y no son resultado de un procedimiento interno artificial del algoritmo de agrupación.Los resultados de dos pruebas estadísticas, Friedman y Nemenyi post hoc, mostraron que los dos nuevos métodos presentados, producen estimaciones estadísticas significativamente mejores en comparación con otros métodos
科研通智能强力驱动
Strongly Powered by AbleSci AI