3 نتیجه برای تابع مفصل
دوره 10، شماره 1 - ( 2-1389 )
چکیده
یکی از مراحل اساسی بررسی و مدیریت خشک‌سالی، شناخت و تحلیل بسامدی ویژگی¬های آن از جمله شدت و مدت خشک‌سالی است. با توجه به همبستگی بالای این دو عامل باید از ابزاری استفاده شود که میزان ارتباط و تأثیراتی را که در تحلیل خشک‌سالی دارند، نمایان سازد. توابع مفصل ساختار وابستگی بین متغیرها را به‌صورت یک مدل نشان می¬دهند و علاوه بر این‌ها می¬توان ضرایب همبستگی بین متغیرها را هم به‌دست آورد. در این مقاله خانواده‌های مناسب برای مدل-بندی پدیده خشک‌سالی ارائه می¬شوند، سپس با روش¬های ماکسیمم درست‌نمایی و بیز تجربی پارامتر تابع مفصل برآورد می¬گردد. آن‌گاه برترین خانواده توابع مفصل برای به‌دست آوردن توزیع توأم مدت و شدت خشک‌سالی در ایستگاه هواشناسی تهران تعیین می¬گردد و با استفاده از آن پدیده خشک‌سالی در تهران را بر اساس داده¬های مدت و شدت خشک‌سالی در دورۀ 37 سالۀ 1348 تا 1384 مدل¬بندی شده و نحوۀ کاربرد آن در مدیریت ایمنی ذخایر آب مطرح می-شود.
مهدی امیدی، محسن محمدزاده درودی،
دوره 13، شماره 3 - ( 9-1392 )
چکیده
یکی از ابزارهای قوی برای ساخت توزیع توام متغیرهای وابسته بر اساس توزیع های کناری متغیرها توابع مفصل هستند. این توابع مدلی را ارائه می دهند که بر اساس آن تمام خصوصیات وابستگی متغیرها قابل بیان است. درتحلیل داده های فضایی لازم است توزیع چندمتغیره تحقق های میدان تصادفی و ساختار همبستگی داده ها مشخص شود. به¬علاوه در تحلیل داده های فضایی-زمانی گاهی برای راحتی از تابع کواریانس تفکیک پذیر استفاده می شود در حالیکه این ویژگی در برخی موارد واقع گرایانه نیست و در این گونه موارد استفاده از توابع کواریانس فضایی-زمانی تفکیک ناپذیر ضرورت پیدا می کند. در این مقاله نقش توابع مفصل در تعیین توزیع توام تحقق های میدان تصادفی بررسی و خانواده جدیدی از توابع مفصل فضایی معتبر معرفی می شود، سپس با استفاده از توابع مفصل اقدام به ساخت کواریانس های فضایی و فضایی-زمانی تفکیک ناپذیر معتبر شده است.
بهزاد محمودیان، محسن محمدزاده درودی، لیلا شهبازی،
دوره 14، شماره 2 - ( 5-1393 )
چکیده
در این مقاله مدل فضایی برای تحلیل مقادیر کرانگین با توزیع حاشیه ای مقدار کرانگین تعمیم یافته معرفی می شود، که در آن وابستگی های کوچک مقیاس با استفاده از تابع مفصل تی فاصله مدل بندی و سپس با رویکردی سلسله مراتبی میدانی تصادفی برای جذب وابستگی های بزرگ مقیاس با پارامتر مکان توزیع های حاشیه ای مرتبط می شود. برازش مدل در رهیافت بیزی با استفاده از تکنیک های مونت کارلوی زنجیر مارکوفی انجام می گیرد که شامل الگوریتم نمونه گیر گیبز، متروپولیس- هستینگس قدم تصادفی و نمونه گیر استقلال سازوار می باشد. در الگوریتم پیشنهادی با به دست آوردن توزیع نامزد مناسب امکان بهنگام سازی بردار پارامتر مکان به صورت توام فراهم می گردد. همچنین پیشگویی فضایی بیزی براساس مدل ارائه شده با تقریب توزیع پیشگو به دست آورده می شود. برآوردپذیری پارامترهای مدل جذب و تفکیک وابستگی های فضایی چندمقیاسی در مطالعه شبیه سازی مورد بررسی قرار گرفته و تحلیل مقادیر کرانگین سرعت باد ارائه می شود.
