Uncategorized

Recherchieren Sie zusätzlich in der verlagsübergreifenden E-Book-Plattform Ebook Central. Um Funktionen von Ebook Central (Drucken, Downloaden, Text markieren etc.) in vollem Umfang nutzen zu können, bedarf es der einmaligen Registrierung verbunden, die mit Kosten keinerlei oder Verpflichtungen ist. E-Books zum Kauf vorschlagen Neu im Angebot E-Books suchen E-Books nutzen Bloomsbury (ca. 1000 Bände, englisch)Bereiche: “Anthropology”,”Business & Management Archive”,”Classical Literature Archive”,”Classical Studies”, “Education”,”Film & Media Studies”, “Linguistics”, “Literary Studies”, “Philosophy”, “Landmark Texts” Die monatlichen mittleren Stromflussdaten des Drei-Schluchten-Reservoirs werden von der Changjiang Water Resources Commission (China) für den Zeitraum 1965–2016 zur Verfügung gestellt. Streamflow bedeutet hier die rekonstruierten natürlichen Zuflussdaten zum Reservoir, die durch Anwendung der Regelungsregeln der vorgelagerten Kaskadenspeicher und des Prinzips des Beckenwasserhaushalts geschätzt werden. Wie in Abbildung 2 dargestellt, enthält das Felddiagramm sequenziell abnormale Werte (schwarze Kreise), maximale nicht abnormale Werte, obere Quartilwerte, Mittelwerte (violette Dreiecke), Medianwerte (blaue Linien), niedrigere Quartilwerte, minimale nicht abnormale Werte und abnormale Werte (schwarze Kreise) von oben nach unten. Dies veranschaulicht zwei Merkmale deutlich. Erstens ist die Variation des Stromflusses in den Hochwassermonaten (Mai bis Oktober) extrem groß, und die Werte zwischen den gleichen Monaten weisen oft mehrere Unterschiede auf. Zweitens zeigt der Anstieg der anormalen Punkte in den anderen Monaten, obwohl der absolute Wert der Amplitudenvariation nicht groß ist, eine offensichtliche differenziver Zwischendifferenz. Die beiden oben genannten Punkte haben die Schwierigkeit der monatlichen Strömungsprognosen erhöht. In den vorangegangenen Arbeiten (Sikora 2015; Divina et al. 2018; Sonne & Trevor 2018; Zhai & Chen 2018), analysierten die Autoren die Gewichte verschiedener Modelle, um die endgültigen Vorhersagen zu berechnen.

Mit anderen Worten, die Gewichtungsmethode bedeutet oft eine bestimmte lineare Beziehung zwischen den Subs und den endgültigen Vorhersagen, die mit multipler linearer Regression (MLR) kombiniert werden können. Wir glauben jedoch, dass es nicht unbedingt eine einfache lineare oder nicht-lineare Beziehung zwischen den Subvorhersagemodellen und der Vorhersage gibt, und, d. h., die Beziehung hat möglicherweise keinen expliziten mathematischen Ausdruck. Daher geben wir das Konzept des Gewichts auf und schlagen vor, das Machine Learning-Modell mit der besten Leistung in der ersten Schicht zu verwenden, um die Stelle der MLR in der zweiten Schicht als Meta-Modell zu nehmen.