پیش گویی داده های فضایی- زمانی با رهیافت بیز تقریبی

thesis
abstract

برای مدل بندی پاسخ های فضایی که در طول زمان مشاهده می شوند گاهی از مدل های­­ سلسله مراتبی فضایی- زمانی استفاده می شود که در آن ساختار همبستگی فضایی- زمانی داده ها توسط یک میدان تصادفی پنهان گاوسی با تابع کوواریانس فضایی ماترن در نظر گرفته می شود. یکی از اهداف مهم در بررسی این مدل ها برآورد پارامترها و متغیرهای پنهان و همچنین پیش گویی پاسخ ها در زمان های معلوم و موقعیت های معلوم فاقد مشاهده است. در این پایان نامه به معرفی مدل فضایی- زمانی گاوسی در یک محدوده فضایی پیوسته پرداخته می شود و برای تحلیل این مدل ها، ابتدا رهیافت بیزی معمولی ارائه می شود. به دلیل پیچیدگی توزیع های پسین و توزیع های شرطی کامل این مدل ها و استفاده از نمونه های مونت کارلویی در تحلیل بیزی معمولی، زمان محاسبات بسیار طولانی است. برای رفع این مشکل میدان تصادفی پنهان گاوسی با تابع کوواریانس ماترن، به صورت یک میدان تصادفی مارکوفی گاوسی در نظر گرفته می شود.

similar resources

تحلیل بیزی تقریبی داده های فضایی – زمانی با استفاده از یک میدان تصادفی مارکوفی گاوسی

برای مدل بندی پاسخ های فضایی که در طول زمان مشاهده می شوند گاهی از مدل های سلسله مراتبی فضایی- زمانی استفاده می شود که در آن ساختار همبستگی فضایی –زمانی داده ها توسط یک میدان تصادفی پنهان گاوسی با تابع کوواریانس فضایی ماترن‎ ‏در نظر گرفته می‌شود. یکی از اهداف مهم در بررسی این مدل‌ها برآورد پارامترها و متغیرهای پنهان و پیشگویی پاسخ ها در زمان های معلوم و موقعیت های معلوم فاقد مشاهده است. در این ...

full text

تحلیل بیزی تقریبی داده های فضایی – زمانی با استفاده از یک میدان تصادفی مارکوفی گاوسی

برای مدل بندی پاسخ های فضایی که در طول زمان مشاهده می شوند گاهی از مدل های سلسله مراتبی فضایی- زمانی استفاده می شود که در آن ساختار همبستگی فضایی –زمانی داده ها توسط یک میدان تصادفی پنهان گاوسی با تابع کوواریانس فضایی ماترن‎ ‏در نظر گرفته می شود. یکی از اهداف مهم در بررسی این مدل ها برآورد پارامترها و متغیرهای پنهان و پیشگویی پاسخ ها در زمان های معلوم و موقعیت های معلوم فاقد مشاهده است. در این ...

full text

تحلیل داده های فضایی-زمانی: مطالعه موردی داده های میانگین سرعت باد روزانه استان زنجان

در این مقاله، ابتدا مبانی نظری مدلسازی نیمه طیفی مطالعه شده و به توصیف چند خاصیت از مدل های نیمه طیفی اخیر پرداخته می شود. سپس یک روش برای برآورد تابع کوواریانس فضایی-زمانی در حالت نیمه-طیفی پیشنهاد شده است. به منظور ارزیابی عملکرد مدل های نیمه طیفی ارائه شده، دو شبیه سازی انجام گرفته که در هرکدام از آنها روش برآورد پیشنهادی با سایر روش ها مقایسه شده است. روش مورد نظر موفقیت زیادی نسبت به سایر ...

full text

پیش بینی تورم با استفاده از رهیافت سری های زمانی

امروزه، پیش­بینی متغیرهای کلان اقتصادی از جمله نرخ تورم، از اهمیت ویژه­ای برای سیاستگذاری و برنامه ریزی های اقتصادی برخوردار شده است. در این راستا در دهه های اخیر، مدل­های پیش­بینی گوناگونی برای نرخ تورم مطرح شده اند. در این مقاله، با استفاده از سری زمانی نرخ تورم اعلام شده از سوی مرکز آمار ایران (از اسفند ۱۳۸۲ تا آذر ۱۳۹۳)،  مدل (۲،۲،۳)arima انتخاب شد. بعد از تصریح مدل، ابتدا پیش بینی درون نمو...

full text

تحلیل داده های دودویی براساس یک رهیافت بیز نیمه پارامتری

تحلیل داده های دودویی براساس یک رهیافت بیز نیمه پارامتری یک روش مهم و پرکاربرد برای تحلیل داده های دودویی بر مبنای بکارگیری مدل های متغیر پنهان است، که از هر دو دیدگاه نظری و محاسباتی می تواند یک بستر مناسب فراهم سازد. در این چارچوب، مدل بندی پاسخ های چندمتغیره وابسته با ایجاد یک ساختار همبستگی در متغیرهای پنهان، امکانپذیر است. بطور کلی اغلب فرض می شود توزیع پیشین متغیر پنهان نرمال است و بدین...

15 صفحه اول

سنجش پراکنده رویی شهری با استفاده از داده های فضایی- زمانی، نمونه موردی: شهر ارومیه

رشد روز­افزون جمعیت و افزایش شهرنشینی، باعث ایجاد پدیده­ای به نام پراکنده‌رویی شهری در عمده شهرهای جهان گردیده است. این امر پیامدهای اقتصادی و زیست­محیطی فراوانی را به شهرها تحمیل نموده؛ بنابراین بررسی، سنجش و شناخت این پدیده ضروری می‌نماید. هدف از پژوهش حاضر، شناسایی و سنجش شدت پراکنده­رویی شهری در شهر ارومیه به عنوان مطالعه موردی می­باشد تا برنامه­ریزان و مدیران شهری بتوانند با آگاهی و شناخت ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه سمنان - دانشکده علوم پایه

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023