期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
机器学习算法对涡动相关缺失通量数据的插补研究 被引量:9
1
作者 王少影 张宇 +4 位作者 孟宪红 宋敏红 尚伦宇 苏有琦 李照国 《高原气象》 CSCD 北大核心 2020年第6期1348-1360,共13页
受观测系统故障、质量控制与质量保证等因素影响,涡动相关系统的长期观测常存在大量缺失。本文利用三种机器学习算法(随机森林RF,支持向量机SVM,人工神经网络ANN)和国际通量网络边缘分布抽样法(MDS)方法对若尔盖高寒湿地生态系统研究站2... 受观测系统故障、质量控制与质量保证等因素影响,涡动相关系统的长期观测常存在大量缺失。本文利用三种机器学习算法(随机森林RF,支持向量机SVM,人工神经网络ANN)和国际通量网络边缘分布抽样法(MDS)方法对若尔盖高寒湿地生态系统研究站2016年感热(H)、潜热(LE)以及净生态系统交换(NEE)通量序列进行了插补。结果表明:RF算法的模拟能力优于SVM和ANN算法;三种机器学习算法的模拟能力在夜间和日出、日落时段以及冬、春季节相对较弱;插补方法的选择对H和LE的年累积量无显著影响,但其对NEE年累积量可造成-42 gC·m^-2的差异。 展开更多
关键词 机器学习 涡动相关 缺失数据插补
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部