fa تحلیل بیزی داده‌های فضایی-زمانی چوله با استفاده از میدان عصبی بیزی و استنباط واریاسیونی آمار فضایی Spatial Statistics پژوهشی بنیادی Research <p dir="rtl">داده‌های فضایی-زمانی معمولاً دارای ساختارهای وابستگی پیچیده و چولگی هستند که مدل‌سازی آن‌ها با چارچوب‌های کلاسیک، مانند میدان‌های تصادفی گاوسی، یا بسیار پرهزینه و یا بیش از حد محدودکننده است. در این مقاله، چارچوبی نوین با عنوان میدان عصبی بیزی برای مدل‌سازی فرایندهای فضایی&ndash;زمانی چوله معرفی می‌شود. این چارچوب با استفاده از مختصات مکانی و زمانی در کنار متغیرهای توضیحی و توزیع‌های پیشین، امکان بازنمایی انعطاف‌پذیر همبستگی‌ها و چولگی را فراهم می‌سازد و قابلیت پیش‌بینی در مکان‌ها و زمان‌های جدید را دارد. استنباط پارامترها از طریق روش استنباط واریاسیونی انجام شد که علاوه بر بهره‌وری محاسباتی، برآورد عدم‌قطعیت را نیز امکان‌پذیر می‌سازد. نتایج مطالعهٔ شبیه‌سازی نشان داد که چارچوب پیشنهادی از نظر دقت و سرعت نسبت به روش‌های مونت‌کارلویی استاندارد برتری دارد.</p> <p>Spatio-temporal data often exhibit complex dependence structures and skewness, which makes their modeling with classical frameworks, such as Gaussian random fields, either computationally expensive or overly restrictive. In this paper, we introduce a novel Bayesian Neural Field framework for modeling skewed spatio-temporal processes. The proposed approach incorporates spatial and temporal coordinates, along with explanatory variables and prior distributions, allowing flexible representation of dependence and skewness, as well as prediction at new locations and at unseen time points. Parameter inference is performed using variational inference, which offers both computational efficiency and the ability to quantify uncertainty. Simulation results demonstrate that the proposed framework achieves higher accuracy and faster computation compared to standard Monte Carlo methods.</p> میدان عصبی بیزی, داده‌های فضایی-زمانی, استنباط واریاسیونی, توزیع چوله Bayesian Neural Field, Spatio-Temporal Data, Variational Inference, Skewed Distributions. 0 0 http://jss.irstat.ir/browse.php?a_code=A-10-83-4&slc_lang=fa&sid=1 Fatemeh Hosseini فاطمه حسینی fatemeh.hoseini@semnan.ac.ir 0943392888 10031947532846009216 Yes Semnan University دانشگاه سمنان Omid Karimi امید کریمی omid.karimi@semnan.ac.ir 3800051435 10031947532846009217 No Semnan University دانشگاه سمنان