کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7546449 1489633 2018 19 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Modeling spatial anisotropy via regression with partial differential regularization
ترجمه فارسی عنوان
آنیزوتراپی فضایی مدل سازی با استفاده از رگرسیون با تنظیم سازگاری اختلاط جزئی
ترجمه چکیده
ما مشکل تجزیه و تحلیل داده های توزیع فضایی را که توسط آنیزوتروپیک فضایی مشخص می شود، در نظر می گیریم. به دنبال یک روش تجزیه و تحلیل داده های عملکردی، ما پیشنهاد می کنیم یک روش مبتنی بر رگرسیون با تنظیم مقطعی دیفرانسیل، جایی که اپراتور دیفرانسیلی در اصطلاح تنظیم کننده، بی نظیر است و از داده ها استخراج می شود. ما نشان می دهیم که این روش به درستی مسیر و شدت ناهنجاری را شناسایی می کند و برآورد دقیق زمین های فضایی را به دست می دهد. این روش نسبت به کریجینگ کریستال ایزوتروپیک و آنیزوتروپیک مناسب است، همانگونه که در مطالعات شبیه سازی شده در شرایط مختلف مورد آزمایش قرار گرفته است. این روش سپس به تجزیه و تحلیل داده های بارندگی در سوئیس اعمال می شود.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات آنالیز عددی
چکیده انگلیسی
We consider the problem of analyzing spatially distributed data characterized by spatial anisotropy. Following a functional data analysis approach, we propose a method based on regression with partial differential regularization, where the differential operator in the regularizing term is anisotropic and is derived from data. We show that the method correctly identifies the direction and intensity of anisotropy and returns an accurate estimate of the spatial field. The method compares favorably to both isotropic and anisotropic kriging, as tested in simulation studies under various scenarios. The method is then applied to the analysis of Switzerland rainfall data.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Multivariate Analysis - Volume 167, September 2018, Pages 15-30
نویسندگان
, , , ,