کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7496250 1485775 2018 20 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Bayesian spatial-temporal modeling of air pollution data with dynamic variance and leptokurtosis
ترجمه فارسی عنوان
مدل سازی فضایی و زمانی بیزی برای داده های آلودگی هوا با واریانس پویا و لپتوکورتوز
کلمات کلیدی
ترجمه چکیده
مدلسازی فضایی و زمانی معمولا برای توضیح وابستگی متغیرهای محیطی و اجتماعی-اقتصادی در فضا و زمان استفاده می شود. آثار اولیه منتشر شده اغلب دوم و چهارم دقیقه است. در این مقاله، ما یک سری مدل زمانبندی فضایی جدید با واریانس پویا و کورتوز پیشنهاد می کنیم. یکی از ویژگی های متمایز مدل پیشنهادی ما این است که برای متغیرهای مورد علاقه، مدل اجازه می دهد تا تغییرات و سنگین بودن دم (که معمولا توسط سطح لپتوکورتوز نشان داده شده است) تغییر مکان مکان و زمان مکانی. ما پیشنهاد استنتاج بیزی را برای مدل پیشنهادی ارائه می دهیم و یک مطالعه شبیه سازی را انجام می دهیم تا اثربخشی مدل را در مقایسه با مدل پایه نشان دهد. اطلاعات مربوط به آلودگی هوا از هنگ کنگ و منطقه دلتا چینی برای تجزیه و تحلیل رفتار واریانس پویا در طول زمان و ویژگی های سنگین سنجی مشاهدات مورد تجزیه و تحلیل قرار گرفته است.
موضوعات مرتبط
مهندسی و علوم پایه علوم زمین و سیارات علوم زمین و سیاره ای (عمومی)
پیش نمایش مقاله
مدل سازی فضایی و زمانی بیزی برای داده های آلودگی هوا با واریانس پویا و لپتوکورتوز
چکیده انگلیسی
Spatial-temporal modeling is commonly used to explain the dependence of environmental and socio-economic variables over space and time. Early published works usually assumed constant second and fourth moments. In this paper, we propose a new spatial time series model with dynamic variance and kurtosis. A distinctive feature of our proposed model is that for variables of interest, the model allows the variability and tail heaviness (which usually are indicated by the level of leptokurtosis) to change over spatial location and time. We establish Bayesian inference for the proposed model and conduct a simulation study to showcase the model's effectiveness compared with that of a baseline model. Air pollution data from Hong Kong and China's delta region are analyzed to further illustrate the dynamic variance behavior over time and the heavy-tailed characteristics of observations.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Spatial Statistics - Volume 26, August 2018, Pages 1-20
نویسندگان
, , ,