ساخت مدل پیشگوی ناپارامتری برای میدان فضایی با استفاده از قضیه تصویر

تعیین بهترین پیشگوی فضایی برای مقادیر گمشده یکی از مسائل مهم در آمار فضایی به‌شمار می‌رود. در این راستا روش‌های مختلفی مطرح شده است که هر کدام از آن‌ها دارای مزیت و محدودیت‌هایی در کاربرد هستند. بر اساس روش کریگیدن بهترین پیشگوی خطی به‌دست می‌آید، اما این روش برای میدان تصادفی گاوسی مناسب است. نامشخص بودن توزیع میدان تصادفی، محققین را ملزم به استفاده از روش‌هایی می‌کند که بر اساس آن‌ها امکان پیشگویی ناگاوسی میسر شود. در این مقاله با استفاده از قضیه تصویر یک روش ناپارامتری برای پیشگویی میدان تصادفی ارایه می‌شود و بر مبنای آن پیشگوی میدان‌ ناگاوسی بر اساس نزدیکترین همسایه‌ها معرفی می‌شود. در ادامه در یک مطالعه شبیه‌سازی میزان دقت این روش مورد ارزیابی قرار می‌گیرد. در پایان نیز نحوه کاربست روش‌ معرفی شده در پیشگویی داده‌های بارندگی در استان خوزستان نشان داده می‌شود.

Construction a Non-parametric Prediction Model for Spatial Random Field Using Projection Theorem

Identifying the best prediction of unobserved observation is one of the most critical issues in spatial statistics. In this line, various methods have been proposed, that each one has advantages and limitations in application. Although the best linear predictor is obtained according to the Kriging method, this model is applied for the Gaussian random field. The uncertainty in the distribution of random fields makes researchers use a method that makes the nongaussian prediction possible. In this paper, using the Projection theorem, a nonparametric method is presented to predict a random field. Then some models are proposed for predicting the nongaussian random field using the nearest neighbors. Then, the accuracy and precision of the predictor will be examined using a simulation study. Finally, the application of the introduced models is examined in the prediction of rainfall data in Khuzestan province.