Μονάδα:
Κατεύθυνση Στατιστική και Επιχειρησιακή ΈρευναΒιβλιοθήκη Σχολής Θετικών Επιστημών
Ημερομηνία κατάθεσης:
2019-12-18
Συγγραφέας:
Γιανναδάκη Χριστίνα
Στοιχεία επιβλεπόντων καθηγητών:
Τρέβεζας Σάμης, Λέκτορας , Τμήμα Μαθηματικών, Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών
Πρωτότυπος Τίτλος:
Statistical techniques for improving prediction in crop progress stages with meteorological and satellite data
Γλώσσες εργασίας:
Αγγλικά
Μεταφρασμένος τίτλος:
Στατιστικές τεχνικές για την βελτίωση της πρόβλεψης στα στάδια προόδου της καλλιέργειας με μετεωρολογικά και δορυφορικά δεδομένα
Περίληψη:
Οι εκθέσεις προόδου της καλλιέργειας (CPR) του USDA παρουσιάζουν την εβδομαδιαία πρόοδο που σημειώθηκε στα διάφορα φαινολογικά στάδια των επιλεγμένων καλλιεργειών και ιδιαίτερα του καλαμποκιού. Σε αυτή την διπλωματική, ο στόχος μας ήταν να προβλέψουμε τα CPR ενός ολόκληρου έτους λαμβάνοντας υπόψη διαθέσιμα δεδομένα από συναφή χαρακτηριστικά με τρόπο που να μπορούμε να νικήσουμε τις προβλέψεις βάσει εμπειρικών μέσων από ιστορικά δεδομένα. Για το λόγο αυτό, χρησιμοποιήσαμε δύο χαρακτηριστικά, τον δείκτη κανονικοποιημένης βλάστησης (NDVI) και τις συγκεντρωτικές ημέρες καλλιέργειας (AGDDs). Προκειμένου να επιτευχθεί ο στόχος μας, εφαρμόσαμε αρκετές προσεγγίσεις μοντελοποίησης, συμπεριλαμβανομένων μοντέλων ανεξάρτητων μήξεων και κρυμμένα μοντέλα HMMs και συγκρίναμε διαφορετικούς τύπους εκτιμητών και προγνωστικών λαμβάνοντας υπόψη και τα δύο χαρακτηριστικά ή τη χωριστή επεξεργασία τους ή πραγματοποιώντας μετασχηματισμούς δεδομένων, όπως διαφορές. Τα αποτελέσματα έδειξαν ότι τα προαναφερθέντα μοντέλα δεν μπορούν να προβλέψουν καλύτερα από τα ιστορικά δεδομένα. Τέλος, κατορθώσαμε να λάβουμε καλύτερες προβλέψεις χρησιμοποιώντας απλή γραμμική παλινδρόμηση. Αυτή η μελέτη μπορεί να επεκταθεί σε διάφορες κατευθύνσεις για μελλοντικές εργασίες.
Κύρια θεματική κατηγορία:
Θετικές Επιστήμες
Λέξεις-κλειδιά:
Στατιστική ανάλυση δεδομένων, καλαμπόκι, μετεωρολογικά δεδομένα, δορυφορικά δεδομένα
Αρ. σελίδων ευρετηρίου:
2
Αρ. βιβλιογραφικών αναφορών:
65
