机构名称：
¥ 2.0
全球气候模型（GCM）是确定气候系统将如何响应的复杂工具。但是，GCM的输出具有粗分辨率，这不适合盆地级建模。全球气候模型需要以局部/盆地量表进行缩小，以确定气候变化对水文反应的影响。本研究试图评估如何使用Arti B CIAL神经网络（ANN），变更因子（CF），K-Neareast邻居（KNN）和多个线性回归（MLR）在印度35个不同位置的各种大规模预测变量如何在印度35个不同位置繁殖局部规模的降雨。根据相关值进行预测变量的选择。作为潜在的预测因子，空气温度，地理电位高度，风速分量和特定B C时相对湿度的相对湿度，选择了海平面压力。比较四种不同统计数据的繁殖，例如，在选定站点的每日降雨量的PDF估算的各种统计数据，如所选位置的平均值，标准偏差，分位数 - 分位数，累积分布函数和内核密度估计。CF方法在几乎所有站点上的其他方法都优于其他方法（R 2 = 0.92 - 0.99，RMSE = 1.37 - 28.88 mm，NSE = - 16.55 - 0.99）。这也与IMD数据的概率分布模式相似。
CMIP6 GCM每日降雨降雨
主要关键词
相关文件推荐
