مقایسه روش‌های مدل‌سازی روند رگرسیون بردار پشتیبان، اسپلاین و چندجمله‌ای در پیشگویی فضایی

Abstract

وجود روند در مجموعه داده فضایی، اثر نامطلوبی بر براورد تغییرنگار و در نهایت پیشگویی‌ می‌گذارد. لذا برای کاستن آثار نامطلوب روند، لازم است به‌نحوی مناسب مدل روند براورد و سپس روندزدایی صورت گیرد. در عصر مواجهه با داده‌های بزرگ، یادگیری ماشین نقش مهمی در تحلیل داده‌های فضایی دارد؛ زیرا در مقایسه با روش‌های متداول آماری، به فرضیات کمتری درباره متغیرهای ورودی نیاز دارد. به‌ویژه، در روش‌های یادگیری ماشین، فرضیاتی مانند مانایی و همسانگردی که در روش‌های آمار فضایی مطرح هستند، وجود ندارند. در این مقاله روش رگرسیون بردار پشتیبان، بعنوان یکی از روش‌های نظارت شده در یادگیری ماشین، برای مدل‌سازی روند در داده‌های فضایی پیشنهاد می‌شود. در یک مطالعه شبیه‌سازی که داده‌ها در موقعیت منظم قرار گرفته‌اند، پیشگویی حاصل از مدل‌سازی روند با اسپلاین هموارساز و کریگیدن عام مقایسه می‌شود. در مطالعه‌ای دیگر که داده‌ها در موقعیت نامنظم قرار دارند، پیشگویی حاصل از مدل‌سازی روند با رگرسیون چندجمله‌ای و کریگیدن عام مقایسه خواهد شد.