برآورد تغییرنگار با استفاده از روش رگرسیون بردار پشتیبان

چکیده مقاله

برازش مدل تغییرنگار یک گام اساسی در اکثر مطالعات زمین آماری است. در حال حاضر، روش های حداکثر درستنمایی و حداقل مربعات برای برازش مدل تغییرنگار مورد استفاده قرار مͬیگیرند. روش حداکثر درستنمایی نیاز به پیش فرض هایی دارد که به سختͬی برقرار خواهد بود. همچنین روش حداقل مربعات نیاز به انتخاب یک مدل اولیه مناسب برای تغییرنگار دارد که در صورت انتخاب نادرست مدل اولیه، بر دقت پیشگویی نهایی اثر منفی خواهد گذاشت. اشکال دیگر روشهای زمین آماری آن است که مدل های متداول و معتبر تغییرنگار رفتار هموار و افزایشͬ دارند؛ در حالیکه تغییرنگار داده ها اغلب نوسانات زیادی دارد و بهترین مدل هم به آن به خوبی برازش نمی شود. هدف این مطالعه استفاده از یکی از روش های یادگیری ماشین بنام »رگرسیون بردار پشتیبان« برای برآورد تغییرنگار و استفاده از آن در پیشگویی کریگیدن است. روش رگرسیون بردار پشتیبان می تواند بدون نیاز به انتخاب مدل اولیه و بصورت خودکار تغییرنگار را برآورد کند. در این مطالعه با استفاده از چندین مجموعه داده فضایی شبیه سازی شده، دقت روش رگرسیون بردار پشتیبان با روش حداقل مربعات در برآورد تغییرنگار و پیشگویی با کریگیدن مقایسه گردید. نتایج نشان داد که روش رگرسیون بردار پشتیبان می تواند رقیب مناسبی برای روش های زمین آماری در برآورد تغییرنگار باشد