به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه « Spatial data » در نشریات گروه « علوم »

تکرار جستجوی کلیدواژه « Spatial data » در نشریات گروه « علوم پایه »
  • مهدی امیدی، محسن محمدزاده درودی
    یکی از ابزارهای قوی برای ساخت توزیع توام متغیرهای وابسته بر اساس توزیع های کناری متغیرها توابع مفصل هستند. این توابع مدلی را ارائه می دهند که بر اساس آن تمام خصوصیات وابستگی متغیرها قابل بیان است. درتحلیل داده های فضایی لازم است توزیع چندمتغیره تحقق های میدان تصادفی و ساختار همبستگی داده ها مشخص شود. به علاوه در تحلیل داده های فضایی-زمانی گاهی برای راحتی از تابع کواریانس تفکیک پذیر استفاده می شود در حالیکه این ویژگی در برخی موارد واقع گرایانه نیست و در این گونه موارد استفاده از توابع کواریانس فضایی-زمانی تفکیک ناپذیر ضرورت پیدا می کند. در این مقاله نقش توابع مفصل در تعیین توزیع توام تحقق های میدان تصادفی بررسی و خانواده جدیدی از توابع مفصل فضایی معتبر معرفی می شود، سپس با استفاده از توابع مفصل اقدام به ساخت کواریانس های فضایی و فضایی-زمانی تفکیک ناپذیر معتبر شده است.
    کلید واژگان: داده های فضایی, تابع مفصل فضایی, تابع کواریانس فضایی, زمانی}
    Mehdi Omidi, Mohsen Mohammadzadeh Darrodi
    Copula functions are powerful tools for construction the multivariate distribution of dependent variables in terms of their marginal distributions. Each of these functions provide a model which represents all properties of the variables dependency. For spatial data analysis، the dependence structure of the data should be determined by using the multivariate distribution of the random field. In analysis of Spatio-temporal data it is also necessary to identify the relations between spatial and temporal structure of the data in terms of Spatio-temporal covariance function. Sometimes a separable Spatio-temporal covariance function is used for the ease of application، but in some applications this property is not realistic. In these cases it is required to use a non-separable Spatio-temporal covariance function. In this paper the role of copula functions in determination of joint distribution of a random field is considered and the properties of a valid spatial copula function are determined. Then a new valid spatial copula family is introduced. Next some spatial and nonseparable Spatio-temporal covariance functions are constructed by using these copula functions
    Keywords: Spatial data, Spatial Copula, Spatio, Temporal Covariance Function}
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال