排序方式： 共有1条查询结果，搜索用时 18 毫秒
1
1.
对点源时间序列数据缺失值进行有效估值能提升其数据质量。为探究不同估值方法对点源时间序列数据缺失值的估值效果及其影响因素,以亚热带典型小流域长期定位观测的每日气象和水文数据（最高气温、最低气温、太阳辐射量、降雨量及地表径流量）为例,以均方根误差（RMSE）、绝对平均误差（MAE）和Pearson相关系数（r）为性能验证指标,比较了线性内插法（LIM）、K-最近邻插值法（KNNM）、样条插值法（SIM）、多项式插值法（PIM）和核密度估值法（KDEM）5种估值方法的估值性能差异及其主要影响因素。结果表明：（1）LIM、SIM和KDEM的估值性能总体上优于其它2种方法;（2）5种估值方法对气象数据（最高气温、最低气温和太阳辐射量）缺失值估值的RMSE为1.81～6.35,MAE为1.30～4.20,r为0.70～0.98（P＜0.05）,而对水文数据（降雨量和地表径流量）缺失值估值的RMSE为12.54～26.28,MAE为3.60～14.21,r为0.07～0.72。可见,各估值方法对气象数据的估值性能强于对水文数据;（3）上述数据集的变异系数（CV）与估值评估指标（RMSE、MAE及r）线性相关（P＜0.05）,是影响估值性能的重要因素。 相似文献
1