TY -的A2 Rathnayake Upaka盟——吴,一尘盟——张,志华盟-克拉布,m . James c . AU -钱德拉Das, Lipon PY - 2022 DA - 2022/06/07 TI -基于统计学习空间降尺度模型降水分布SP - 3140872六世- 2022 AB -降尺度技术生产高空间分辨率降水分布来分析影响气候变化的数据变得稀缺地区或地方。在这项研究中,基于三个统计学习算法,如支持向量机(SVM),随机森林回归(RF)和梯度增加解释变量(GBR),我们提出了一个有效的降尺度方法生产高空间分辨率降水。为了演示模型的效率和精度比传统的多重线性回归(高)降尺度模型,我们做了一个降尺度分析日常观察到的降水数据来自34个监测站点在孟加拉国。验证表明, R 2 的GBR可能达到0.98,与射频(0.94)相比,支持向量机(0.88),和多重线性回归(高)(0.69)模型,所以GBR-based降尺度模型最佳的性能在所有四个降尺度模型。我们建议GBR-based降尺度模型应该被用来取代传统高钙降尺度模型来产生一个更精确的地图洪水灾害管理的高分辨率降水,干旱预测、土地和水资源的长期规划。SN - 1687 - 9309 UR - https://doi.org/10.1155/2022/3140872 - 10.1155 / 2022/3140872摩根富林明的进步气象学PB - Hindawi KW - ER