کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7496677 1485793 2013 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Sequential spatial analysis of large datasets with applications to modern earthwork compaction roller measurement values
ترجمه فارسی عنوان
تجزیه و تحلیل فضایی پس از مجموعه داده های بزرگ با برنامه های کاربردی به ارزش های اندازه گیری غلتک فشرده سازی مدرن زمین
ترجمه چکیده
در زمینه ساخت و ساز جاده، غلطک های فشرده سازی ماشین های مدرن مجهز به سنسورها، یک جریان عمودی از اندازه گیری اموال خاک جمع آوری می کنند. این داده ها از اطلاعات مکانی پیوسته می تواند برای بهبود کنترل کیفیت فرایند فشرده سازی از طریق معرفی فشرده سازی هوشمند استفاده شود. این مقادیر اندازه گیری غلتکی به صورت غیرمستقیم از طریق اپراتورهای اندازه گیری غیر خطی، غیر ثابت، چند متغیره ذاتی با ساختار همبستگی پیچیده مشاهده شده و در مقادیر زیادی جمع آوری می شوند. مشکل مدل سازی و برآورد در یک محیط همبستگی فضایی با مقادیر زیادی از داده ها به خوبی شناخته شده است و بسیاری از رویکردها را می توان در ادبیات یافت. مطالعات بسیار کمی انجام داده اند که داده های پیوسته و فضایی را در خارج از یک چارچوب فرایند نقطه بررسی می کنند. ما یک مدل ترکیبی پیوسته و فضایی پیشنهاد می دهیم و یک الگوریتم پیوسته، فضای مکانی برای پیش بینی اثرات ثابت و چندین فرایند مستقل و فضایی مرتبط می کند. این الگوریتم جدید در یک مطالعه شبیه سازی نشان داده شده و به داده های تراکم زمین کاری اعمال می شود.
موضوعات مرتبط
مهندسی و علوم پایه علوم زمین و سیارات علوم زمین و سیاره ای (عمومی)
چکیده انگلیسی
In the context of road construction, modern earthwork compaction rollers equipped with sensors collect a virtually continuous flow of soil property measurements. This sequential, spatial data can be utilized to improve the quality control of the compaction process through the introduction of intelligent compaction. These roller measurement values are observed indirectly through non-linear measurement operators, non-stationary, inherently multivariate with complex correlation structures, and collected in huge quantities. The problem of modeling and estimation in a spatially correlated setting with large amounts of data is well known and many approaches can be found in the literature. Very few studies have been completed investigating sequential, spatially correlated data outside of a point process framework. We propose a sequential, spatial mixed-effects model and develop a sequential, spatial backfitting algorithm to estimate fixed effects and several independent, spatially correlated processes. This new algorithm is demonstrated in a simulation study and applied to earthwork compaction data.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Spatial Statistics - Volume 6, November 2013, Pages 41-56
نویسندگان
, ,