عنوان

توابع کوواریانس مانای تفکیکناپذیر برای دادههای فضایی-زمانی

‭۱۸۳۸۴پ‬

per

توابع کوواریانس مانای تفکیکناپذیر برای دادههای فضایی-زمانی

/زینب خدادوستان شهرکی

: علوم ریاضی

، ‮‭۱۳۹۶‬

چاپی

کارشناسی ارشد

ریاضی کاربردی

‮‭۱۳۹۶/۰۹/۲۱‬

تبریز

آمار فضایی شاخهای از علم آمار است که برای تجزیه و تحلیل دادههای فضایی به کار گرفته میشود .شیوه زمین آمار در پیشبینی فضایی-زمانی در علوم زیست، اقلیم شناسی، هوا شناسی و زمینههای مرتبط دیگر تکیه بر مدلهای کوواریانس مناسب دارند .در این پژوهش، ضمن معرفی توابع کوواریانس تفکیکپذیر، یک کلاس عمومی از توابع کوواریانس مانای تفکیکناپذیر بر اساس گنتینگ)( ‮‭۲۰۰۲‬ ارائه میشود .این توابع به طور مستقیم در ناحیه فضایی-زمانی ساخته میشوند و برخلاف روش کرسی و هانگ) ( ‮‭۱۹۹۹‬به تبدیل معکوس فوریه بستگی ندارد .پارامترهای مدل نیز بر اساس ساختار فضایی و زمانی دادهها تعیین می گردند .در نهایت، مدل کوواریانس با پارامتر اثر متقابل فضایی-زمانی قابل تفسیر ارائه شده، به دادههای باد ایرلند برازش میشود

Geostatistics is a branch of statistics which is used for analyzing spatial data. Geostatistical methods in spatio-temporal prediction in many scientifc and engineering felds such as environmental sciences, climate prediction and meteorology, population biology, epidemiology, and others are based on suitable covariance models. In this thesis, in addition to introduce separable covariance functions, we introduce a class of noseparable, stationary covariance function based on Gineiting (2002). These functions are directly constructed in space-time domain and against Cressie and Haung (1999), dont depend on the closed-form of Fourier inversion. Model parameters are determined based on spatial and temporal structures of the data. Finally, a covariance model with a readily interpretable spacetime interaction parameter is ftted to the Irish wind data

خدادوستان شهرکی، زینب

قربانی، محمد، استاد راهنما

نجارزاده، داریوش، استاد مشاور

سیاه و سفید

نمایه‌سازی قبلی