Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/20.500.11765/10074
Posproceso estadístico
Título : Posproceso estadístico
Autor : Quintero Plaza, David ORCID Autor AEMET
Palabras clave : Sistemas de predicción por conjuntos; Posproceso estadístico; Métodos de posproceso BMA y ELR; Aprendizaje automático; Machine learning
Fecha de publicación : 2018
Editor: Agencia Estatal de Meteorología
Citación : Santos Burguete, Carlos (ed.). Física del caos en la predicción meteorológica. Madrid: Agencia Estatal de Meteorología, 2018, p. 193-205
Versión del editor: https://dx.doi.org/10.31978/014-18-009-X.14
Resumen : En este capítulo damos una introducción a las técnicas estadísticas que permiten calibrar (y por tanto mejorar) las salidas directas de un modelo meteorológico o un sistema de predicción por conjuntos. Primero hablaremos de las técnicas clásicas Perfect Prog y MOS, así como las más recientes BMA y ELR y después reservaremos una parte importante para hablar sobre las novedosas técnicas basadas en Aprendizaje Automático (Machine Learning), que parecen muy prometedoras.
URI : http://hdl.handle.net/20.500.11765/10074
Colecciones: Física del caos en la predicción meteorológica


Ficheros en este ítem:
  Fichero Descripción Tamaño Formato  
14_Posproceso_estadis...
2,05 MBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro completo del ítem



Los ítems de Arcimis están protegidos por una Licencia Creative Commons, salvo que se indique lo contrario.

Repositorio Arcimis
Nota Legal Contacto y sugerencias