کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6963824 1452293 2014 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Regression using hybrid Bayesian networks: Modelling landscape-socioeconomy relationships
ترجمه فارسی عنوان
رگرسیون با استفاده از شبکه های ترکیبی بیزی: مدل سازی روابط چشم انداز و اقتصاد اجتماعی
کلمات کلیدی
شبکه های پیوسته بیزی، مخلوطی از معادلات کوتاه. پسرفت، چشم انداز، ساختار اجتماعی اقتصادی،
ترجمه چکیده
مدل سازی سیستم های زیست محیطی هنگامی که به طور مستقیم با داده های مداوم و گسسته به طور همزمان رسیدگی می شود، یک چالش است. هدف در رگرسیون، پیش بینی یک متغیر پاسخ با توجه به ارزش برخی از متغیرهای ویژگی است. چندین مدل رگرسیون خطی که معمولا در علم محیط زیست استفاده می شود، محدودیت های متعددی دارند: (1) همه متغیرهای ویژگی باید برای دستیابی به پیش بینی، و (2) شامل متغیرهای دسته ای معمولا مدل های پیچیده تر را ارائه می دهند. شبکه های بیسیم ترکیبی یک رویکرد مناسب برای حل مشکلات رگرسیون بدون چنین محدودیت هایی هستند و همچنین مزایای بیشتری را ارائه می دهند. این روش برای مدل سازی ارتباطات چشم انداز و اقتصاد اجتماعی به انواع مختلف داده ها (مداوم، گسسته یا ترکیبی) اعمال می شود. سه مدل مربوط به اقتصاد اجتماعی و چشم انداز پیشنهاد شده است و دو سناریو تغییرات اجتماعی و اقتصادی در هر یک از آنها برای به دست آوردن یک پیش بینی معرفی شده است. این پیشنهاد را می توان به راحتی در زمینه های دیگر در مدل سازی محیط زیست اعمال کرد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزار
پیش نمایش مقاله
رگرسیون با استفاده از شبکه های ترکیبی بیزی: مدل سازی روابط چشم انداز و اقتصاد اجتماعی
چکیده انگلیسی
Modelling environmental systems becomes a challenge when dealing directly with continuous and discrete data simultaneously. The aim in regression is to give a prediction of a response variable given the value of some feature variables. Multiple linear regression models, commonly used in environmental science, have a number of limitations: (1) all feature variables must be instantiated to obtain a prediction, and (2) the inclusion of categorical variables usually yields more complicated models. Hybrid Bayesian networks are an appropriate approach to solve regression problems without such limitations, and they also provide additional advantages. This methodology is applied to modelling landscape-socioeconomy relationships for different types of data (continuous, discrete or hybrid). Three models relating socioeconomy and landscape are proposed, and two scenarios of socioeconomic change are introduced in each one to obtain a prediction. This proposal can be easily applied to other areas in environmental modelling.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Environmental Modelling & Software - Volume 57, July 2014, Pages 127-137
نویسندگان
, , , ,