Browsing by Subject "Interpolation"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Publication
    Open Access
    La elegía Amores III 5: posible indicio del perfeccionismo de Ovidio
    (Murcia: Centro de Estudios del Próximo Oriente y la Antigüedad Tardía – CEPOAT, 2012) Martín Puente, Cristina
    Desde hace mucho tiempo hay autores que discuten si la elegía Amores 3,5 fue compuesta por Ovidio o no, pero continúa editándose como si fue ra auténtica. En cambio, otros textos con una problemática parecida se han eliminado por que los editores los consideran espurios y no hay un protocolo establecido seguido por todos lo s fi lólogos. En este trabajo se analizan las circunstancias que rodean a la obra de Ovidio y a esta elegía y se constata que de momento es difícil llegar a una conclusión defi nitiva sobre su autoría, pero podría ser un indicio del perfeccionismo del poeta
  • Thumbnail Image
    Publication
    Open Access
    Interpolation of Instantaneous Air Temperature Using Geographical and MODIS Derived Variables with Machine Learning Techniques
    (MDPI, 2019-08-31) Ruiz Álvarez, Marcos; Alonso-Sarria, Francisco; Gomariz Castillo, Francisco; Geografía
    Several methods have been tried to estimate air temperature using satellite imagery. In this paper, the results of two machine learning algorithms, Support Vector Machines and Random Forest, are compared with Multiple Linear Regression and Ordinary kriging. Several geographic, remote sensing and time variables are used as predictors. The validation is carried out using two different approaches, a leave-one-out cross validation in the spatial domain and a spatio-temporal k-block cross-validation, and four different statistics on a daily basis, allowing the use of ANOVA to compare the results. The main conclusion is that Random Forest produces the best results (R2 = 0.888 ± 0.026, Root mean square error = 3.01 ± 0.325 using k-block cross-validation). Regression methods (Support Vector Machine, Random Forest and Multiple Linear Regression) are calibrated with MODIS data and several predictors easily calculated from a Digital Elevation Model. The most important variables in the Random Forest model were satellite temperature, potential irradiation and cdayt, a cosine transformation of the julian day.