纳什-苏特克利夫模型精度统计。纳什-苏克利夫系数是模型的一个指标?S预测观测数据和模拟数据之间1:1线的能力。

Nash-Sutcliffe系数计算如下:

总和(Qobs - Qsim) ^ 2
n = 1 - ----------------------------
总和(Qobs - Qmean) ^ 2

对于Nash-Sutcliffe测度，使用系数值等于1来计算r-square系数，表示观测数据和预测数据之间的完美契合，而r-square值等于或小于0表示模型的预测并不比使用观测数据的平均值好。因此，应该使用奥卡姆剃刀。

观测数据阵列的维数不一定等于模拟数据。交集用于将观测数据与模拟数据配对。这个函数的设置是为了将观测数据矩阵中的第一列和模拟数据矩阵中的第一列配对起来。数据值位于两个矩阵的第2列中。

这个测量的一个关键假设是数据是正常的。

语法:
[NSout metric_id] = nashsutcliffe(obsDATA, simDATA)

地点:
obsData = N × 2
simData = N × 2

为了方便起见,我呢?我还发布了一个技能分数函数，它是纳什-苏克利夫的派生。考虑到统计数据的简单性，这两个提交的函数都不过是一个新奇的东西。我刚才提交了一个非常有价值的统计数据，那就是非参数趋势检验Mann-Kendall Tau-b(命名为ktaub)。我属于地球科学范畴)。除了在MATLAB中迫切需要这样的统计量之外，该设计还具有一定的优雅性。