《表5 10倍交叉验证的OK插值结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于机器学习的高精度高分辨率气象因子时空估计》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了同传统气象数据空间化方法进行比较，研究使用普通克里格（Ordinary Kriging，OK）对2015年1月1日的日均气温、日均相对湿度和日均风速进行了插值，10倍交叉验证的结果如表5所示，模型之间的差距随着变量估计难度的增大而增加，对于日均气温和日均相对湿度，普通克里格的结果比残差模型差，但是差距不那么明显，而对于风速而言，残差模型的表现力远好于普通克里格，模型的CV R2增加了0.51，CV RMSE和CV MAE分别下降了36%和32%；除去精度上的优势外，残差模型只需训练一个模型，以天作为参数即可估计整整一年的气象数据，而普通克里格插值需要对每天的数据都构建一个模型，效率更低；此外，残差网络模型在进行格网估计时，速度远远快于普通克里格插值。