AnEn算法的Python实现。想要使用C++和R语言的请访问原生作者
为什么说是原生作者呢？因为AnEn的发明者Luca教授也在其中。
个人感觉AnEn方法类似于KNN算法，总的思路大体一致，其应用于气象MOS或者后处理技术的几点创新如下：
- time windows，选取数值模式的前后两个预报时次(lead time)或更多；
- weight,在计算距离时就加入权重； 正因为如此，KNN所有的缺点在AnEn也同样不可避免的出现。 另外在KNN算法中得到最后投票结果时是可以根据距离进行权重的加权，但AnEn尚未发现有文章这么做。
可改进之处：
- 只在变量间加入权重，实际上个人感觉这是没太大必要的，因为查找相似是基于相似的天气形势，而天气形势或变量间往往是关联的，天气变量权重间的差异并没有想象的大。
- 天气形势间还有个更重要的维度就是时间，例如原方法中选取leadtime中前后时次做相似查找，但其实在不同的leadtime间加入权重并且当前leadtime占比最高，可能更有利于查找相似的时间变化。因为这种时间变化与天气变量对应可能更为重要。
- 以上纯属个人猜测未做对比。
# AnEn class
from pyAnEn import AnEn
params = {
'max_n_neighbours':50,
'weight_strategy':'total',
'predict_name':'O3',
'predictor_names':['O3', 't2', 'rh2', 'ws10', 'pblh'],
'result_weight':'equal',
'window_time':1,
}
anen_obj = AnEn(**params)
anen_obj.fit(trainx, trainy)
anen_obj.predict(testx)
- lyctze1986@gmail.com
- add issues on Github