Please use this identifier to cite or link to this item: http://hdl.handle.net/20.500.11765/10074
Posproceso estadístico
Title: Posproceso estadístico
Authors: Quintero Plaza, David ORCID Autor AEMET
Keywords: Sistemas de predicción por conjuntos; Posproceso estadístico; Métodos de posproceso BMA y ELR; Aprendizaje automático; Machine learning
Issue Date: 2018
Publisher: Agencia Estatal de Meteorología
Citation: Santos Burguete, Carlos (ed.). Física del caos en la predicción meteorológica. Madrid: Agencia Estatal de Meteorología, 2018, p. 193-205
Publisher version: https://dx.doi.org/10.31978/014-18-009-X.14
Abstract: 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
Appears in Collections:Física del caos en la predicción meteorológica


Files in This Item:
  File Description SizeFormat 
14_Posproceso_estadis...
2,05 MBAdobe PDFThumbnail
View/Open
Show full item record



Items in Arcimis are protected by Creative Commons License, unless otherwise indicated.

Arcimis Repository
Nota Legal Contacto y sugerencias