We explored both a semilogarithmic

We explored both a semilogarithmic and a linear form for the estimation of relationships between precipitation and elevation. For the case of simple predictions based on the regression of annual average precipitation data for all the stations in the state against elevation, the semilogarithmic transformation leads to lower cross-validation prediction errors than the untransformed data. However, due to the spatial and temporal subsampling of this relationship through the process of spatial convolution and the estimation of precipitation elevation relationships on a daily (albeit smoothed) basis, the linear formulation results in lower cross-validation prediction errors when applied in the context of our interpolation logic. We chose the linear model, resulting in a regression of the form:

Kết quả (Việt) 1:

Chúng tôi khám phá cả một semilogarithmic và một hình thức tuyến tính cho dự toán của mối quan hệ giữa mưa và độ cao. Đối với trường hợp dự đoán đơn giản dựa trên regression dữ liệu mưa trung bình hàng năm cho tất cả các trạm ở bang chống lại vị, sự chuyển đổi semilogarithmic dẫn đến thấp hơn đường xác nhận dự đoán lỗi hơn các dữ liệu untransformed. Tuy nhiên, do các không gian và thời subsampling của mối quan hệ này thông qua các quá trình của không gian convolution và ước lượng mưa cao mối quan hệ trên một hàng ngày (mặc dù smoothed) cơ sở, kết quả xây dựng tuyến tính thấp hơn dự đoán đường xác nhận lỗi khi áp dụng trong bối cảnh của logic nội suy của chúng tôi. Chúng tôi đã lựa chọn mô hình tuyến tính, dẫn đến một hồi quy mẫu:

Kết quả (Việt) 2:

Chúng tôi khám phá cả một semilogarithmic và dạng tuyến tính để tính các mối quan hệ giữa lượng mưa và độ cao. Đối với trường hợp của các dự đoán đơn giản dựa trên hồi quy dữ liệu lượng mưa trung bình hàng năm cho tất cả các trạm trong trạng thái chống lại độ cao, việc chuyển đổi semilogarithmic dẫn đến làm giảm các lỗi dự đoán qua xác nhận so với số liệu chưa chuyển đổi. Tuy nhiên, do các mẫu phụ không gian và thời gian của mối quan hệ này thông qua quá trình chập không gian và ước tính các mối quan hệ độ cao lượng mưa trên (mặc dù vuốt) cơ sở hàng ngày, kết quả xây dựng tuyến tính trong các lỗi dự đoán qua xác nhận thấp hơn khi áp dụng trong bối cảnh logic suy của chúng tôi. Chúng tôi đã chọn mô hình tuyến tính, dẫn đến một hồi quy có dạng: