...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of applied statistics >Spatio-temporal model for crop yield forecasting
【24h】

Spatio-temporal model for crop yield forecasting

机译：作物产量预测的时空模型

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper proposes a linear mixed model (LMM) with spatial effects, trend, seasonality and outliers for spatio-temporal time series data. A linear trend, dummy variables for seasonality, a binary method for outliers and a multivariate conditional autoregressive (MCAR) model for spatial effects are adopted. A Bayesian method using Gibbs sampling in Markov Chain Monte Carlo is used for parameter estimation. The proposed model is applied to forecast rice and cassava yields, a spatio-temporal data type, in Thailand. The data have been extracted from the Office of Agricultural Economics, Ministry of Agriculture and Cooperatives of Thailand. The proposed model is compared with our previous model, an LMM with MCAR, and a log transformed LMM with MCAR. We found that the proposed model is the most appropriate, using the mean absolute error criterion. It fits the data very well in both the fitting part and the validation part for both rice and cassava. Therefore, it is recommended to be a primary model for forecasting these types of spatio-temporal time series data.
机译：本文提出了一种时空时序数据的线性混合模型（LMM），具有空间效应，趋势，季节性和离群值。采用线性趋势，季节性的虚拟变量，离群值的二进制方法和空间效应的多元条件自回归（MCAR）模型。使用在马尔可夫链蒙特卡洛中使用吉布斯采样的贝叶斯方法进行参数估计。所提出的模型用于预测泰国的水稻和木薯产量，这是一种时空数据类型。数据摘自泰国农业和合作社部农业经济学办公室。所提出的模型与我们之前的模型（带有MCAR的LMM和带有MCAR的对数转换LMM）进行了比较。我们发现，使用平均绝对误差准则，提出的模型是最合适的。它在大米和木薯的拟合部分和验证部分中都很好地拟合了数据。因此，建议将其作为预测这些类型的时空时间序列数据的主要模型。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号