این تعهد متعلق به هیچ شعبه ای در این مخزن نیست و ممکن است متعلق به یک چنگال در خارج از مخزن باشد.

شاخه ها/برچسب ها را تغییر دهید برچسب های شاخه شاخه ها را بارگیری نکرد چیزی برای نشان دادن برچسب ها را بارگیری نکرد چیزی برای نشان دادن

نام در حال استفاده

یک برچسب در حال حاضر با نام شاخه ارائه شده وجود دارد. بسیاری از دستورات GIT نام برچسب و شاخه را می پذیرند ، بنابراین ایجاد این شاخه ممکن است باعث رفتار غیر منتظره شود. آیا مطمئن هستید که می خواهید این شاخه را ایجاد کنید؟

لغو ایجاد رمز

• محلی
• مکاشه

https github cli با استفاده از URL وب از Git یا Checkout با SVN استفاده کنید. با CLI رسمی ما سریع کار کنید. بیشتر بدانید.

ورود به سیستم لازم

لطفاً برای استفاده از برنامه های کد وارد سیستم شوید.

راه اندازی دسک تاپ GitHub

اگر هیچ اتفاقی نمی افتد ، دسک تاپ GitHub را بارگیری کنید و دوباره امتحان کنید.

راه اندازی دسک تاپ GitHub

اگر هیچ اتفاقی نمی افتد ، دسک تاپ GitHub را بارگیری کنید و دوباره امتحان کنید.

راه اندازی Xcode

اگر هیچ اتفاقی نمی افتد ، Xcode را بارگیری کنید و دوباره امتحان کنید.

راه اندازی کد ویژوال استودیو

فضای کد شما یک بار آماده خواهد شد.

مشکلی برای تهیه فضای کدگذاری شما وجود داشت ، لطفاً دوباره امتحان کنید.

آخرین تعهد

55DAE03 17 فوریه 2023 55DAE03

آمار git

فایل ها

بارگیری آخرین اطلاعات متعهد انجام نشد.

نوع نام آخرین پیام تعهد زمان متعهد شدن 10 فوریه 2023 20:03 6 مه 2021 09:19 13 آوریل 2018 21:08 11 مه 2021 11:30 17 فوریه 2023 11:52 10 فوریه 2023 20:03 30 اوت 2022 11:26 30 ژانویه 2023 10:21 16 دسامبر 2022 11:07 28 سپتامبر 2021 10:17 31 آگوست 2022 19:29 24 سپتامبر 2021 16:16 10 فوریه 2023 20:03 10 فوریه 2023 20:03 11 آوریل 2022 08:13 18 فوریه 2022 09:53 رمز

readme. md

kriging رتبه ثابت

بسته FRK اکنون در v2. 1. 0 است و در Cran موجود است! برای نصب ، لطفاً تایپ کنید

نصب. بسته ها ("فال")

برای نصب جدیدترین نسخه (توسعه) ، ابتدا لطفاً inla را از https://www. r-inla. org/download نصب کنید ، سپس لطفاً DevTools را بارگیری کنید و تایپ کنید

install_github ("Andrewzm/frk", وابستگی = درست است، واقعی, build_vignettes = درست است، واقعی)

سندی که حاوی توضیحات ، جزئیات مربوط به ریاضیات اساسی و محاسبات برای الگوریتم EM (فقط برای داده های گاوسی است) ، و همچنین چندین مثال ، به عنوان یک ویگت با عنوان "frk_intro" در دسترس است. یکی دیگر از ویگنت ها ، "FRK_NON-GAUSSIAN" ، ریاضیات را در یک تنظیم غیر گایزسی خلاصه می کند ، و حاوی چند نمونه با استفاده از داده های غیر Gaussian و روش های ترسیم تازه موجود است. برای بارگیری این vignettes لطفا تایپ کنید

کتابخانه ("فال") Vignette ("frk_intro") Vignette ("frk_non-gaussian")

مقاله ای با جزئیات بیشتر در اینجا موجود است ، و یک مقاله پیش نویس که جزئیات این رویکرد در یک تنظیم غیر گوزیایی را در اینجا ارائه می دهد. اگر از FRK در کار خود استفاده می کنید ، لطفاً آن را با استفاده از اطلاعات ارائه شده توسط استناد ("FRK") ذکر کنید.

عنوان: kriging رتبه ثابت

نویسنده: اندرو زامیت-مانگون ، متیو ساینسبری-دیل

نگهدارنده: Andrew Zammit-Mangion Andrewzm@gmail. com

توضیحات: kriging رتبه ثابت ابزاری برای مدل سازی و پیش بینی مکانی/فضایی و مکانی با مجموعه داده های بزرگ است. این رویکرد زمینه را تجزیه می کند ، و از این رو عملکرد کواریانس با استفاده از یک مجموعه ثابت از توابع R R ، جایی که R به طور معمول بسیار کوچکتر از تعداد نقاط داده (یا چند ضلعی) متر است. این نمایندگی با عملکرد پایین رتبه بندی مدل سازی داده های فضایی/فضایی و مکانی "بزرگ" را تسهیل می کند. این روش به طور طبیعی امکان توابع کواریانس غیر ثابت و ناهمسانگرد را فراهم می کند. گسسته سازی دامنه مکانی به واحدهای به اصطلاح اصلی (BAUS) استفاده از مشاهدات را با پشتیبانی متفاوت تسهیل می کند (به عنوان مثال ، هر دو پشتیبانی از نقطه مرجع و منطقه ، به طور همزمان) و پیش بینی در مورد مناطق دلپذیر کاربر. بسته بندی FRK برای داده های گاوسی و غیر گائوزسی ، با استفاده از یک چارچوب مدل مخلوط خطی عمومی (GLMM) برای تهیه پواسون ، دوتایی ، منفی ، گاما و داده های توزیع شده با گاوسی استفاده می کند. FRK همچنین از استنتاج بیش از منیفولدهای مختلف ، از جمله هواپیمای 2D و کره سه بعدی پشتیبانی می کند و عملکردهای یاور را برای مدل سازی ، تناسب ، پیش بینی و ترسیم با سهولت نسبی فراهم می کند. Zammit-Mangion و Cressie (2021) FRK را در یک تنظیم گاوسی توصیف می کنند و جزئیات آن را از توابع پایه و Baus استفاده می کنند.

• Cressie ، N. ، & Johannesson ، G. (2008). kriging رتبه ثابت برای مجموعه داده های مکانی بسیار بزرگ. مجله انجمن آماری سلطنتی: سری B ، 70 ، 209 226.
• Zammit-Mangion A ، Cressie N (2021)."FRK: یک بسته R برای پیش بینی مکانی و مکانی-زمانی با مجموعه داده های بزرگ."مجله نرم افزار آماری ، در مطبوعات.

کتابخانه ("فال") کتابخانه ("sp") کتابخانه ("ggplot2") کتابخانه ("GGPUBR") ##برپایی m  1000 #اندازهی نمونهgversion ("3. 6. 0") ؛set. seed (1) #بذر را برطرف کنید ZDF  data. frame(x =runif (m), y=runif (m)) #مکانهای تصادفی تولید کنید ZDF$z گناه (8 * ZDF$x) +cos (8 * ZDF$y) + 0.5 *orm (m) #شبیه سازی داده هاهماهنگی ها (ZDF) = ~x+y #تبدیل به شیء SP ##FRK را اجرا کنید S frk (f = z ~ 1, #فرمول FRK لیست(ZDF), #تمام مجموعه داده ها در لیست تهیه می شوند n_em = 10) #حداکثر تعداد تکرارهای EM پیش پیش بینی(S) #مرحله پیش بینی ##توطئه لیست_ه طرح(S, پیش) ggarrange (لیست طرح = لیست_ه, در حال = 1, افسانه = "بالا")

در اینجا ما داده های شبیه سازی شده پواسون را تجزیه و تحلیل می کنیم. ما یک مدل داده پواسون را با یک پاسخ متوسط که با استفاده از عملکرد پیوند مربع با تنظیم پاسخ = "poisson" و link = "sqrt" در FRK () مدل سازی می کنیم ، مشخص می کنیم. سایر توزیع های پاسخ غیر گایزیایی موجود در FRK توزیع های دوتایی ، منفی-بینومیایی ، گاما و معکوس-گاوسی است.

##داده های پواسون را با استفاده از داده های مثال قبلی برای ساخت میانگین شبیه سازی کنید ZDF$z rpois (m, لامبدا = ZDF$z^2) ##FRK را اجرا کنید S frk (f = z ~ 1, لیست(ZDF), واکنش = "پواسون", #مدل داده پواسون ارتباط دادن = "SQRT") #عملکرد پیوند مربع پیش پیش بینی(S) ##توطئه لیست_ه طرح(S, پیش$نیوداتا) ggarrange (لیست_ه$z, لیست_ه$P_MU, لیست_ه$Interal90_MU, در حال = 1, افسانه = "بالا")

اکنون با استفاده از مجموعه داده NOAA ، داده های فضایی-زمانی را تجزیه و تحلیل می کنیم.

##برپاییداده ها("NOAA_DF_1990") tmax زیرمجموعه(NOAA_DF_1990, ماه ٪که در٪ 7 & سال == 1993) tmax در داخل(tmax، زمان =as. date (خمیر (سال,ماه,روز,سپ="-"))>) استوب stconstruct (x = tmax, فضا =ج ("تنه","لات"), زمان = "زمان", فاصله = درست است، واقعی) ##Baus: Baus فضایی 1x1 پیکسل ، Baus موقتی فواصل 1 روزه است باس auto_baus (تعداد زیاد و متنوع =stplane () ،سلوله دادن =ج (1, 1, 1), داده ها=استوب, جنجال = "روزها") باس$fs  1 #ماتریس واریانس مقیاس خوب مقیاس ، در مثالهای قبلی ضمنی ##توابع پایه G auto_basis (تعداد زیاد و متنوع =stplane () ،داده ها = استوب, چیز = 2, جنجال = "روزها") ##FRK را اجرا کنید استوب$std  2 #واریانس خطای اندازه گیری را برطرف کنید S frk (f = z ~ 1 + لات, داده ها = لیست(استوب), پایه = G, باس = باس, est_error = دروغ, روش = "TMB") پیش پیش بینی(S, صدف = خالی) ##طرح ریزی: فقط بعضی اوقات از طریق زیر مجموعه Argument_ Time وارد کنید لیست_ه طرح(S, پیش$نیوداتا, subset_time =ج (1, 7, 13, 19, 25, 31)) ggarrange (لیست طرح = لیست_ه, در حال = 1, افسانه = "بالا")

بسته FRK در حال حاضر برای تولید انیمیشن های فضایی-زمانی از زمینه های مشاهده شده توسط داده های ماهواره ای استفاده می شود. در اینجا ما پیش بینی روزانه CO2 را با استفاده از داده های NASA OCO-2 بین سپتامبر 2014 و ژوئن 2016 نشان می دهیم.

با تشکر از مایکل برتولاچی برای طراحی آرم FRK HEX!