دانلود ترجمه مقاله روش تازه به منظور پیش بینی بارش با به کارگیری الگوریتم K (ساینس دایرکت – الزویر 2017) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

روش تازه به منظور پیش بینی بارش با به کارگیری الگوریتم K-نزدیکترین همسایگی بهبود یافته

A novel approach for precipitation forecast via improved K-nearest neighbor algorithm

چکیده
1- مقدمه
2- کارهای مرتبط
2-1- KNN
2-2- WKNN و DWKNN
3- الگوریتم KNN بهبود یافته ما
4- پیش بینی بارندگی بر اساس الگوریتم KNN بهبود یافته برای منطقه پکن
4-1- داده های بارندگی و پیش بینی کننده ها
4-2- نرمالیزاسیون
4-3- پیش بینی بارندگی بر اساس الگوریتم KNN بهبود یافته
5- آزمایشات و نتایج
5-1- معیارهای ارزیابی عملکرد پیش بینی بارندگی
5-2- پیش بینی بارش
6- نتیجه گیری
منابع

چکیده

روش پیش بینی نقش حیاتی در پیش بینی دقیق بارش دارد. اخیرا، یادگیری ماشین به میزان زیادی برای پیش بینی بارش استفاده شده است، و الگوریتم K-نزدیکترین همسایگی (KNN)، یکی از روش های یادگیری ماشین، عملکرد خوبی نشان داد. در این مقاله، ما یک الگوریتم KNN ارتقا یافته را ارائه می کنیم، که در برابر انتخاب های مختلف سایز همسایگی k به ویژه در مورد توزیع غیر عادی کلاس مجموعه داده های بارش، نیرومندی نشان می دهد،. سپس، بر مبنای الگوریتم KNN ارتقا یافته، یک روش پیش بینی بارش مطرح می شود. نتایج تجربی وسیع اثربخشی روش پیش بینی بارش مبتنی بر الگوریتم KNN پیشنهادی ما را نشان می دهد.

6- نتیجه گیری

در این مقاله، یک الگوریتم KNN ارتقا یافته ارائه شده است. این الگوریتم توانمندی خود را در مقابل گزینه های مختلف اندازه برای نزدیکترین همسایگی K به خصوص در حالت مجموعه ای از داده های پیش بینی با توزیع نامساعد نشان می دهد. سپس با تکیه بر الگوریتم KNN رویکرد جدید پیش بینی بارش را ارائه می کنیم. یافته های آزمایشی گسترده پیش بینی درجه و باران و بدون باران نشان می دهد که رویکرد پیش بینی بر اساس الگوریتم KNN ارتقا یافته تاثیرگذار است. در کارهای آتی ما در صدد آن هستیم تا روش های انتخابی پیش بینی کننده ها را طراحی کنیم تا عملکرد پیش بینی بارش را ارتقا دهیم.

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.

6- Conclusions

In this article, an improved KNN algorithm has first been proposed. It offers robustness against different choices of the neighborhood size k particularly in the case of the precipitation dataset with an uneven distribution. Then based on the improved KNN algorithm, we introduce a new precipitation forecast approach. Extensive experimental results for grade forecast and rain and no-rain forecast demonstrate that the effectiveness of our proposed precipitation forecast approach based on improved KNN algorithm. In our future work, we are willing to design selecting methods of predictors to improve the performance of precipitation forecast.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

روش تازه به منظور پیش بینی بارش با به کارگیری الگوریتم K-نزدیکترین همسایگی بهبود یافته

A novel approach for precipitation forecast via improved K-nearest neighbor algorithm