پیش‌ بینی ذرات معلق pm2.5 هوای تهران بر اساس دما و فشار هوا، با استفاده از مدل رگرسیون تغییر رژیم مارکوفی ناپارامتری جمعی انتقالی

در این مقاله به معرفی مدل رگرسیون تغییر رژیم مارکوفی، که یک مدل گرافی بر مبنای مدل مارکوف پنهان است، می‌پردازیم. این مدل را می‌توان از زاویه دید دیگر گونه‌ای از مدل‌های رگرسیونی خوشه‌بندی شده در نظر گرفت؛ که در آن یک فرایند مارکوف پنهان، انتقال از خوشه‌ای به خوشه دیگر را مدل‌بندی می‌کند. این خوشه‌ها، در واقع همان وضعیت‌های پنهان در یک مدل مارکوف پنهان هستند که فرض می‌شود یک فرایند مارکوف از مرتبه اول باشند. همچنین فرض‌های پایه‌ای یک مدل مارکوف پنهان، در این مدل صادق هستند، با این تفاوت که توزیع مشاهده‌ها یک توزیع شرطی از متغیر پاسخ به شرط متغیرهای پیشگو و وضعیت پنهان است. به عنوان یک کاربرد این مدل، مسأله پیش‌بینی ذرات معلق pm2.5 در هوای شهر تهران بر اساس دما و فشار هوا و در فاصله سال‌های 1394 تا 1396، با استفاده از مدل رگرسیون تبدیل مارکوفی ناپارامتری جمعی انتقالی مطرح و بررسی شده است. همچنین بسته نرم‌افزاری hhsmm در نرم‌افزار ،r به‌عنوان ابزاری قدرتمند برای مدل‌بندی مدل بیان شده، معرفی شده است.

prediction of pm2.5 pollution in tehran air based on temperature and pressure using markovian regime-switchingnon-parametric additive transitive regression model

in this paper, we introduce the markovian regime-switching regression model, which is agraphical model based on the hidden markov model. this model can be viewed as a clustered regressionmodel, in which a markov process models the transition from one cluster to another. these clustersare indeed the hidden states of the process, in the hidden markov model, which are assumed to be amarkov process of order one. besides, other assumptions of the hidden markov model are assumed inthis model, while the emission distribution is assumed to be the conditional distribution of the responsegiven the covariates and the states. as an application of this model, the problem of prediction of pm2.5 pollution in tehran’s air based on temperature and pressure during 2015-2017 using the markovianregime-switching non-parametric additive transitive model, is considered and studied. furthermore, thepackage hhsmm in r software, is introduced as a powerful tool for modeling the stated model.