پیش‌گویی فضایی-زمانی میدان‌های تصادفی نامانای تفکیک‌‌ناپذیر مبتنی بر تجزیه تاکر تانسور کوواریانس

در تحلیل داده‌های فضایی-زمانی، متداول‌ترین روش برای لحاظ کردن ساختار همبستگی فضایی-زمانی داده‌ها، استفاده از تابع کوواریانس است، که معمولاً نامعلوم است و باید بر اساس مشاهدات برآورد شود. این روش نیازمند محدود کننده‌ای از قبیل مانایی، همسانگردی و تفکیک‌پذیری برای میدان تصادفی است. هر چند پذیرش این فر...

Full description

Bibliographic Details
Main Authors: محسن محمدزاده, سمیرا سعادتی
Format: Article
Language:fas
Published: Shahid Chamran University of Ahvaz 2021-09-01
Series:مدل‌سازی پیشرفته ریاضی
Subjects:
Online Access:https://jamm.scu.ac.ir/article_16954_759d8c7d96a16011549484ae72730c0c.pdf
Description
Summary:در تحلیل داده‌های فضایی-زمانی، متداول‌ترین روش برای لحاظ کردن ساختار همبستگی فضایی-زمانی داده‌ها، استفاده از تابع کوواریانس است، که معمولاً نامعلوم است و باید بر اساس مشاهدات برآورد شود. این روش نیازمند محدود کننده‌ای از قبیل مانایی، همسانگردی و تفکیک‌پذیری برای میدان تصادفی است. هر چند پذیرش این فرض‌ها برازش مدل‌های معتبر به تابع کوواریانس فضایی-زمانی را تسهیل می‌کند، اما ضرورتاً این فرض‌ها در مسائل کاربردی محقق نیستند. در این مقاله، به منظور تسریع محاسبه پیشگویی فضایی-زمانی برای یک میدان تصادفی نامانا و تفکیک‌ناپذیر، یک مدل احتمالی بر اساس تجزیه تانسور کوواریانس فضایی-زمانی مبتنی بر تجزیه تاکر مورد بررسی قرار می‌گیرد. سپس نحوه کاربست روش مطرح شده برای پیشگویی کردن انرژی باد براساس داده‌های فضایی-زمانی سرعت باد در ۳۱ ایستگاه هواشناسی کشور ایران نشان داده می‌شود.
ISSN:2251-8088
2645-6141