Factor copula models for data with spatio-temporal dependence

ما مدل جدید کوپول برای داده های فضایی ارائه می کنیم که بارها و بارها در آن مشاهده می شوند. مدل بر اساس این فرض است که یک عامل مشترک وجود دارد که بر اندازه گیری یک فرآیند در فضا و در زمان تاثیر می گذارد. بر خلاف مدل های مبتنی بر چندگانه استاندارد، مدل ما می تواند اطلاعات را با وابستگی دم و عدم تقارن اداره کند. احتمال مدل پیشنهادی را می توان در یک فرم ساده بدست آورد و بنابراین برآورد پارامتر بسیار سریع است. شبیه سازی از این مدل ساده است و داده ها را می توان در هر مکان مکانی و نقطه زمان پیش بینی کرد. ما از مطالعات شبیه سازی برای نشان دادن انواع مختلف وابستگی ها، هم در فضا و هم در زمان استفاده می کنیم که می تواند توسط این مدل تولید شود. ما مدل کپی پیشنهادی را برای داده های باد در ساعات روز استفاده می کنیم و عملکرد آن را با برخی از مدل های کلاسیک برای داده های فضایی-زمانه مقایسه می کنیم.