K 最近邻域 （K-NN） 是一种类似的方法。该方法的起源是非参数统计模式识别过程，根据选择标准区分不同模式。通过这种方法，研究人员可以生成未来的数据。换句话说，KNN 是一种基于条件关系规范有条件地重新采样观测记录中的值的技术。KNN 是最简单的方法。 生成天气数据的最有希望的非参数化技术是 K-最近邻（K-NN）重采样方法。K-NN 方法基于在历史观测天气数据中识别类似的目标 le 模式，该模式可用于减少目标年数（Young，1994 年;耶茨，2003年;Eum等人，2010年）。目标年度是数据的初始种子，这些数据与历史数据一起，需要作为 用于运行模型的输入 les。此方法依赖于以下假设：目标年观测到的实际天气数据可能是过去记录的天气的复制。k-NN 技术不使用任何预定义的数学函数来估计目标变量。 实际上，此方法的算法通常涉及选择与感兴趣日相似的指定天数。其中一天是随机重新采样，以表示模拟期间第二天的天气。最近的邻域方法涉及同时采样天气变量，如降水和温度。采样从观测到的数据进行，并进行替换。 K-NN方法广泛应用于农业（班纳扬和胡根布姆，2009年）、林业（Lopez等人，2001年）和水文（克拉克等人，2004年;耶茨等人，2003年）。
版本历史记录
- 版本 1.0 发布于 2017-01-01
软件信息
- 软件分类： 教育 > 科学
- 发布者： AgriMetSoft
- 许可： 免费试用
- 价格： $34.95
- 版本： 1.0
- 适用平台： windows