برآورد ناپارامتری تابع کواریانس فضایی میزان دمای ماهیانه کشور
- سال انتشار: 1395
- محل انتشار: اولین کنفرانس ملی مدل سازی ریاضیات و آمار در مطالعات کاربردی
- کد COI اختصاصی: MMSAS01_123
- زبان مقاله: فارسی
- تعداد مشاهده: 447
نویسندگان
دانشگاه زنجان
دانشگاه زنجان
چکیده
تابع کواریانس نقش اساسی در آمار فضایی دارد. برای مطالعه همبستگی فضایی داده ها معمولااز مدلهای کواریانس پارامتری استفاده می شود. یعنی یک تابع کواریانس معتبر انتخاب و پارامترهای آن با توجه به داده های فضایی مورد مطالعه برآورد می گردد. اما تعداد توابع کواریانس معتبر پارامتری محدود می باشد. همچنین اکثر داده های واقعی به دلیل پیچیدگی ساختار آنها قابل تحلیل با کواریانس های پارامتری نمی باشند. به دلیل این محدودیتها در این مقاله به معرفی برآوردهای ناپارامتری کواریانس فضایی می پردازیم. سپس با استفاده از داده های شبیه سازی شده و داده های واقعی درجه حرارت دمای ایستگاه های سینوپتیک کشور به ارزیابی روش ناپارامتری پرداخته می شود. از مهمترین مزایای روش ارایه شده سادگی استفاده آن در تحلیل داده های واقعی و انعطاف پذیری آنها با توجه به ساختار داده ها می باشند. نتایج شبیه سازی نشان می دهد که روش برآورد ناپارامتری به خوبی روش پارامتری می باشد.کلیدواژه ها
مدل کواریانس فضایی، اسپلاین، روش پیش بینی کریگینگ،مقالات مرتبط جدید
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.