دانلود مقاله ترجمه شده spate: یک بسته R برای مدل سازی فضا – زمانی با یک فرایند آماری فرارفت - پخش


چطور این مقاله آمار و کاربردها را دانلود کنم؟

فایل انگلیسی این مقاله با شناسه 2009622 رایگان است. ترجمه چکیده این مقاله آمار و کاربردها در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید

قیمت :
865,000 ریال
شناسه محصول :
2009622
سال انتشار:
2015
حجم فایل انگلیسی :
1 Mb
حجم فایل فارسی :
1 مگا بایت
نوع فایل های ضمیمه :
pdf+word
کلمه عبور همه فایلها :
www.daneshgahi.com

عنوان فارسي

spate: یک بسته R برای مدل سازی فضا – زمانی با یک فرایند آماری فرارفت - پخش

عنوان انگليسي

spate: An R Package for Spatio-Temporal Modeling with a Stochastic Advection-Diffusion Process

نویسنده/ناشر/نام مجله

Journal of Statistical Software

این مقاله چند صفحه است؟

این مقاله ترجمه شده آمار و کاربردها شامل 23 صفحه انگلیسی به صورت پی دی اف و 47 صفحه متن فارسی به صورت ورد تایپ شده است

چکیده فارسی

چکیده

بسته R، spate، روش ­شناسی­ مربوط به مدل سازی مجموعه داده ­های فضا – زمانی بزرگ را اجرا می­ کند. فرایند فضا – زمانی گاوسی، از طریق یک معادله دیفرانسیل جزئی تصادفی (SPDE) تعریف می­ شود که با استفاده از روش ­های طیفی حل می­ شود. بر خلاف روش زمین­ آماری مرسوم که بر توابع کوواریانس تکیه دارد، روش SPDE طیفی، از نظر محاسباتی قابل­ اجراست و پارامتری­ سازی فضا – زمان حقیقی را حاصل می­ کند.

هدف این بسته، ارائه ابزاری برای شبیه­ سازی و مدل سازی فرایندهای فضا – زمانی با استفاده از یک روش مبتنی بر SPDE است. این بسته، شامل توابعی برای بدست آوردن پارامتری سازی ­هاست، مانند ماتریس­های کوواریانس ابداع یا انتشارگر از مدل فضا – زمانی. این ابزار، ساخت مدل­ های بیزی سلسله­ مراتبی اختصاصی را با استفاده از مدل مبتنی بر SPDE در طول فرایند امکان­ پذیر می ­سازد. آنگاه توابع این بسته، الگوریتم­های موردنیاز برای انجام استنباط با مدل سلسله­ مراتبی را ارائه می­دهند که این الگوریتم­ ها از نظر محاسباتی کارآمد هستند. به علاوه، الگوریتم مونت کارلوی زنجیره مارکوف (MCMC) تطبیقی که در بسته اجرا می­ شود را می­توان به عنوان یک الگوریتم برای انجام استنباط بدون هر گونه مدل­ سازی اضافی مورد استفاده قرار داد. این تابع منعطف است و اختصاصی­ سازی با توجه به کاربرد را امکان­ پذیر می­ سازد. الگوریتم MCMC از داده­ هایی پشتیبانی  می کند که از یک توزیع گاوسی یا سانسور شده با جرم نقطه ­ای صفر تبعیت می­ کنند. متغیرهای کمکی فضا – زمانی را می­ توان از طریق عبارت مربوط به رگرسیون در مدل وارد کرد.

-1مقدمه

داده ­های فضا – زمانی که به تدریج بزرگتر می شوند، در بسیاری از حوزه ­ها و کاربردها تولید می­ شوند. به عنوان مثال، مجموعه داده ­هایی از ماهواره­ های سنجش از دور  یا مدل­ های فیزیکی قطعی مانند مدل­ های پیش­بینی عددی وضع هوا (NWP) بدست می ­آیند. بنابراین، نیاز فزاینده­ای به روشی که بتواند از عهده چنین داده­ های بزرگی برآید، وجود دارد. برای معرفی و مروری بر آمار فضا – زمانی، کرسی و ویکل (2011) را ببینید...


 

مدل فضا – زمانی مجموعه داده های بزرگ :کلمات کلیدی

چکیده انگلیسی

Abstract

The R package spate implements methodology for modeling of large space-time data sets. A spatio-temporal Gaussian process is defined through a stochastic partial differential equation (SPDE) which is solved using spectral methods. In contrast to the traditional geostatistical way of relying on the covariance function, the spectral SPDE approach is computationally tractable and provides a realistic space-time parametrization. This package aims at providing tools for simulating and modeling of spatio-temporal processes using an SPDE based approach. The package contains functions for obtaining parametrizations, such as propagator or innovation covariance matrices, of the spatio-temporal model. This allows for building customized hierarchical Bayesian models using the SPDE based model at the process stage. The functions of the package then provide computationally efficient algorithms needed for doing inference with the hierarchical model. Furthermore, an adaptive Markov chain Monte Carlo (MCMC) algorithm implemented in the package can be used as an algorithm for doing inference without any additional modeling. This function is flexible and allows for application specific customizing. The MCMC algorithm supports data that follow a Gaussian or a censored distribution with point mass at zero. Spatio-temporal covariates can be included in the model through a regression term.

Keywords: space-time model large data sets Gaussian process physics based model
Skip Navigation Linksصفحه اصلی > دپارتمان ها > دپارتمان علوم پايه > آمار و کاربردها > مقاله های آمار و کاربردها و ترجمه فارسی آنها > spate: یک بسته R برای مدل سازی فضا – زمانی با یک فرایند آماری فرارفت - پخش
کتابخانه الکترونیک
دانلود مقالات ترجمه شده
جستجوی مقالات
با انتخاب رشته مورد نظر خود می توانید مقالات ترجمه شده آن رو به صورت موضوع بندی شده مشاهده نمایید