مدل‌بندی داده‌های فضایی-زمانی با گمشدگی غیرقابل چشم پوشی

Abstract

غلب داده‌های فضایی و فضایی-زمانی به واسطه شرایطی که تحت آن اندازه‌گیری‌ها صورت می‌گیرد حاوی مقادیر گمشده هستند. مقادیر گمشده‌ای که در فواصل مکانی یا زمانی نزدیک‌تر نسبت به مشاهدات قرار دارند شامل اطلاعات مفیدی هستند که درنظر گرفتن آن‌ها می‌تواند منجر به نتایج دقیق‌تری شود. بنابراین لازم است حضور داده‌های گمشده مورد توجه و بررسی دقیق قرار گیرد. لذا می‌توان با مدل‌بندی توأم فرایندی که منجر به گمشدگی می‌شود و فرایند اندازه‌گیری فضایی-زمانی، برخی اطلاعات از دست رفته را بازیابی کرد. <br />در این مقاله، با استفاده از تکنیک مدل پارامتر مشترک، به مدل‌بندی توأم فرایند اندازه‌گیری فضایی-زمانی و فرایند گمشدگی در یک چارچوب بیزی می‌پردازیم تا اثرات سوء مقادیر گمشده تعدیل شود. همچنین از طریق یک میدان تصادفی پنهان فضایی-زمانی در مدل، بین دو فرایند ارتباط ایجاد خواهیم کرد.} به منظور برآورد پارامترهای مدل و پیشگویی‌ها، روش بیز تقریبی INLA به همراه راهکار ،SPDE به کار بسته شده است. سپس بر اساس مدل توأم داده‌های دمای سطح آب دریای خزر مدل‌بندی و تحلیل شده و عملکرد مدل نیز مورد ارزیابی قرار گرفته است. در انتها نیز به بحث و نتیجه‌گیری پرداخته شده است.