YE, Xiaoling et al. Método de control de calidad espacial para observaciones de temperatura superficial basado en múltiples elementos. []. , 21, 2, pp.101-107. ISSN 1794-6190.  https://doi.org/10.15446/esrj.v21n2.65185.

El control de calidad puede mejorar efectivamente la calidad de las observaciones meteorológicas. Para asegurar la estabilidad y efectividad de un modelo de control de calidad bajo condiciones diferentes de terreno y climáticas es necesario estructurar un esquema con una fuerte habilidad de generalización. Algoritmos como el método de bosques aleatorios (del inglés Random Forest) cumplen con estas condiciones. Sin embargo, los algoritmos de maquinas de aprendizaje son más lentos que los modelos matemáticos tradicionales. En este artículo se propone un algoritmo de control de calidad tipo bosques aleatorios basado en el Análisis de Componentes Principales (PCA-RF). Se seleccionaron 15 estaciones objetivo bajo diferentes condiciones climáticas y geomorfológicas y se evaluaron con observaciones realizadas cuatro veces por día en estaciones vecinas desde 2005 hasta 2014. Los resultados muestran que usando PCA para analizar la composición elemental y seleccionar elementos con factores de correlación alta, al igual que la aplicación del algoritmo Random Forest, se puede reducir efectivamente el tiempo de ejecución y mantener la exactitud del modelo. La dependencia de la muestra de prueba, la exactitud del modelo de predicción y la tasa de detección de error del modelo PCA-RF son superiores a aquellos del método de Regresión Espacial. Por lo tanto, el método PCA-RF es un mejor modelo para el control de calidad de elementos múltiples en las observaciones superficiales de aire y temperatura.

: Método de control de calidad espacial para observaciones de temperatura superficial basado en múltiples elementos.

        · |     · |     · ( pdf )