纳什效率系数与可决系数的差异
纳什效率系数与可决系数的差异
- 正文
- 参考文献
正文
纳什效率系数和可决系数的公式形式非常相似,主要差异如下:
- 可决系数(Coefficient of determination,R)是用来度量一个统计模型的拟合优度的。
R2=1−∑(yi−y^i)2∑(yi−y‾)2R^2 =1-\frac{\sum{(y_i-\hat{y}_i)^2}}{\sum{(y_i-\overline{y})^2}} R2=1−∑(yi−y)2∑(yi−y^i)2
式中:yiy_iyi是变量观测值;y‾\overline{y}y是变量观测值的均值;y^i\hat{y}_iy^i是统计模型的变量模拟值;举个例子,如果我们有一系列观测值xix_ixi和yiy_iyi,我们假设用一元线性回归模型y=ax+by=ax+by=ax+b模拟变量之间的关系,可以得到一系列模拟值y^i=a^xi+b^\hat{y}_i=\hat{a}x_i+\hat{b}y^i=a^xi+b^。如果xxx和yyy没有相关关系,最小二乘估计的参数为a^=0,b^=y‾\hat{a}=0,\hat{b}=\overline{y}a^=0,b^=y,此时R2=0R^2=0R2=0,因此,R2R^2R2的最小值为0,即残差平方和(yi−y^i)2{(y_i-\hat{y}_i)^2}(yi−y^i)2不会小于总的平方和(yi−y‾)2{(y_i-\overline{y})^2}(yi−y)2。R2R^2R2的取值范围为[0,1]。 - 纳什效率系数(Nash-Sutcliffe Efficiency, NSE)常用于用于量化模拟模型(如水文模型)的预测精度。
NSE=1−∑(yi−yipred)2∑(yi−y‾)2NSE =1-\frac{\sum{(y_i-{y_i^{pred}})^2}}{\sum{(y_i-\overline{y})^2}} NSE=1−∑(yi−y)2∑(yi−yipred)2
式中:yipredy_i^{pred}yipred是预测模型对变量的预测值。预测值属于回归样本外得到的预测结果,和回归模型的模拟值有很大区别,模型误差的平方和(yi−yipred)2(y_i-{y_i^{pred}})^2(yi−yipred)2可能大于总平方和(yi−y‾)2(y_i-\overline{y})^2(yi−y)2,对于一个完美的模型,估计的误差的方差等于0,则NSE=1;相反,一个模型产生的估计误差方差等于观察到的时间序列的方差,结果NSE=0。实际上,NSE=0表示该模型具有与时间序列平均值相同的预测能力,即误差平方和。当预测模型得到的估计误差方差显著大于观测值方差时,NSE<0。NSE值越接近1,表明模型预测能力越好。因此NSE的取值范围为(−∞,1](-\infty, 1](−∞,1]。但是如果将NSE用于模型回归中,则和R2R^2R2完全等价,范围是[0,1]。
参考文献
[1] https://en.wikipedia.org/wiki/Nash%E2%80%93Sutcliffe_model_efficiency_coefficient
[2] https://en.wikipedia.org/wiki/Coefficient_of_determination
[3] https://stats.stackexchange.com/questions/185898/difference-between-nash-sutcliffe-efficiency-and-coefficient-of-determination/230002#230002?newreg=2a378583117b4380bb38a8884c23fdd4
纳什效率系数与可决系数的差异相关推荐
- 水文预报 求各个年份的纳什效率系数
import pandas as pdfile_path = r'C:\Users\Admin\Desktop\实测流量.xlsx' df = pd.read_excel(file_path, she ...
- Matlab 求纳什效率系数(NSE)
Matlab求NSE系数 function nse = NSE(sim, obs) %输入参数分别为模拟值.实测值(序列) ave_obs = sum(obs(:))/numel(obs); %实测数 ...
- 使用python与采样工具,批量对栅格进行采样,并将采样结果转excel后进行精度分析(2)——使用matlab计算NSE (纳什效率系数NASH)与R2
接下来还需要对结果进行精度分析,在前面的过程产生了上百个EXCEL文件,需要对excel文件进行合并,然后只保留最后两列,同时要删除文件中的异常值(-9999,采样时的空值),之后进行精度分析. 为便 ...
- Theil指数和Gini系数在经济空间差异中的作用
目录 一.Theil指数 1.相关定义 2.相关公式 3.举个简单的例子. 二.Gini系数 1.Gini公式 2.Gini系数的取值解读 一.Theil指数 1.相关定义 Theil 指数又称锡尔指 ...
- 水文预报中的确定性系数如何计算确定
SWAT模型 根据SWAT模型最流行的校正验证工具SWAT-CUP中,R2和NS的计算公式分别为; 此时确定性系数R2为相关性系数R的平方,在Python中计算代码可以为: def R2(xs, xo ...
- lstm原文_LSTM模型与水文模型在径流模拟中的比较
学术简报 题目:Comparison of Long Short Term Memory Networks and the Hydrological Model in Runoff Simulatio ...
- 【水文模型】07 《流域水文模型参数不确定性量化理论方法与应用》宋晓猛 阅读笔记
2021/9/27-10/13,阅读<流域水文模型参数不确定性量化理论方法与应用>宋晓猛,笔记如下. 第1章 绪论 深入浅出地讲解了模型不确定性的研究进展. 第2章 分布式水文模型理论与方 ...
- 水环境模型与大数据技术融合研究
点击上方蓝字关注我们 水环境模型与大数据技术融合研究 马金锋1, 饶凯锋1, 李若男1,2, 张京1, 郑华1,2 1 中国科学院生态环境研究中心城市与区域生态国家重点实验室,北京 100085 2 ...
- grads 相关系数_era interim说明文件
ERA-Interim 风速再分析数据在山东省的适用性评估 滕华超,陈艳春,汤子... 欧洲中心数据 ERA-Interim 与空管气象站数据进行对比分析,通过相关 系... 亚热带资源与环境学报 , ...
- 数据分享|1961-2017年中国0.25°×0.25° 逐日地表水文数据集(VIC-CN05.1)
缺乏长期高精度的地表观测给我国水文气象研究带来了很大的不确定性.本数据基于陆面水文模式(VIC v4.2.d, Variable Infiltration Capacity model)模拟构建了中国 ...
最新文章
- 二元关系在计算机中的应用(数据库为主),数据库技术复习题答案 选择题
- Silverlight 和WPF的Composite Guidance(Prism V2)发布了
- POJ 1840 Eqs 解方程式, 水题 难度:0
- 你知道你的模型可以为公司赚多少钱吗
- 年终盘点:2015年人工智能的五大关键词
- Java Socket编程如何建立两者关系
- 这届产品经理也太太太太难了吧!
- 一句话理解tf.identity的含义
- 消息发送到消息接收的整体流程
- 谈*静态页*(或网页*静态化*)的时候,请区分一些概念(转)
- struts-resultType属性
- 全国计算机等级考试题库二级C操作题100套(第55套)
- 中值滤波去除图像噪声的matlab程序
- docker使用网桥网络
- 使用Putty密钥认证机制远程登录Linux
- 【Java从0到架构师】Spring - 事务管理
- 「2019冬令营提高组」不同的缩写
- VS2015 设置项目依赖项
- java 向后台传两个json数据类型_前台向后台传递JSON字符串,处理JSON字符串类型的方法...
- 分布式搜索引擎Elasticsearch的简单使用
热门文章
- idea 编译器注释汉字变繁体字解决办法
- 如何坚持看书、跑步、写作?
- 恋爱话术表白头像漫画制作微信小程序
- Unreal Engine 4 问题:如何设置分辨率
- 栅格化渲染源码解析-neural_renderer源码(三)栅格化
- RxJava3.x入门(七)——背压策略
- 解决requestLayout() improperly called by android.widget.TextView{...}
- 最畅销的销售书籍推荐:《销售管理必读12篇》
- 【常用方法】小地图的制作
- 哮喘病人小气道上皮细胞 (Asthma) Small airway epithelial cells 培养解决方案