توابع کوواریانس مانای تفکیکناپذیر برای دادههای فضایی-زمانی
نام نخستين پديدآور
/زینب خدادوستان شهرکی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: علوم ریاضی
تاریخ نشرو بخش و غیره
، ۱۳۹۶
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
ریاضی کاربردی
زمان اعطا مدرک
۱۳۹۶/۰۹/۲۱
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
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
متن يادداشت
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
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )