پیش گویی فضایی-زمانی میدان های تصادفی نامانای تفکیک ناپذیر مبتنی بر تجزیه تاکر تانسور کوواریانس

در تحلیل داده های فضایی-زمانی، متداول ترین روش برای لحاظ کردن ساختار همبستگی فضایی-زمانی داده ها، استفاده از تابع کوواریانس است، که معمولا نامعلوم است و باید بر اساس مشاهدات برآورد شود. این روش نیازمند محدود کننده ای از قبیل مانایی، همسانگردی و تفکیک پذیری برای میدان تصادفی است. هر چند پذیرش این فرض ها برازش مدل های معتبر به تابع کوواریانس فضایی-زمانی را تسهیل می کند، اما ضرورتا این فرض ها در مسائل کاربردی محقق نیستند. در این مقاله، به منظور تسریع محاسبه پیشگویی فضایی-زمانی برای یک میدان تصادفی نامانا و تفکیک ناپذیر، یک مدل احتمالی بر اساس تجزیه تانسور کوواریانس فضایی-زمانی مبتنی بر تجزیه تاکر مورد بررسی قرار می گیرد. سپس نحوه کاربست روش مطرح شده برای پیشگویی کردن انرژی باد براساس داده های فضایی-زمانی سرعت باد در ۳۱ ایستگاه هواشناسی کشور ایران نشان داده می شود.

کلیدواژه ها:

Spatio-temporal data ، Spatio-Temporal Covariance ، Non-stationary and Non-separable Random Field ، Tucker Decomposition