Narzędzia help

Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
first last
cannonical link button

http://yadda.icm.edu.pl:80/baztech/element/bwmeta1.element.baztech-article-BAR0-0047-0025

Czasopismo

Inżynieria Rolnicza

Tytuł artykułu

Probabilistyczne modele zjawisk przestrzennych w rolnictwie

Autorzy Marciniak, A. 
Treść / Zawartość
Warianty tytułu
EN Probabilistic models of spatial phenomena in agriculture
Języki publikacji PL
Abstrakty
PL Niepewność, zarówno stochastyczna jak i epistemiczna, obecna w modelach zjawisk czaso-przestrzennych w rolnictwie uzasadnia zastosowanie metod probabilistycznych predykcji, wyjaśnianiu i aproksymacji obiektów przestrzennych. Z metodologicznego, obliczeniowego i inferencyjnego punktu widzenia odpowiednią technologią modelowania są tu sieci bayesowskie traktowane jako systemy reprezentacji wiedzy. W takim ujęciu modelowanie sprowadza się do translacji wiedzy z języka naturalnego na formalny i wykonywalny język sieci bayerowskich. Logiczną spójność i efektywność takiego rozumienia procesu modelowania pokazano na przykładzie budowy modelu aproksymacji i predykcji plonu pszenicy.
EN Uncertainty, both stochastic and epistemic, occurring in models of space-time phenomena in agriculture justifies application of probabilistic methods in predication, clarifying and approximation of spatial objects. From methodological, computational and inferential point of view, in this case proper modelling technologies include Bayesian networks treated as knowledge representation systems. From this perspective modelling comes down to translation of knowledge from natural language to formal and executable language of Bayesian networks. Logical coherence and effectiveness of this definition of modelling process is shown on the example of building a model of wheat crop approximation and prediction.
Słowa kluczowe
PL system informacji przestrzennej   GIS   probabilistyczna predykcja   probabilistyczna interpolacja   obiekt przestrzenny   sieci bayesowskie  
EN GIS   probabilistic prediction   approximation prediction   spatial objects   Bayesian networks  
Wydawca Polskie Towarzystwo Inżynierii Rolniczej
Czasopismo Inżynieria Rolnicza
Rocznik 2009
Tom R. 13, nr 5
Strony 193--199
Opis fizyczny Bibliogr. 4 poz., rys.
Twórcy
autor Marciniak, A.
Bibliografia
Dalang R., Dozzi M., Russo F. (ed.). 2002. Seminar on Stochastic Analysis, Random Fields and Applications IV. Centro Stefano Franscini. Ascona. Brikhäuser (Progress in Probability).
Gelman A. i in. 2003. Bayesian Data Analysis. Chapman & Hall/CRC.
Moller J., Waagepetersen R. P. 2003. A Statistical Inference and Simulation for Spatial Point Processes. Monographs on Statistics and Applied Probability. Chapman & Hall/CRC.
Bayesia (on-line) 2009. BayesiaLab - Bayesian network software. http://www.bayesia.com/
Kolekcja BazTech
Identyfikator YADDA bwmeta1.element.baztech-article-BAR0-0047-0025
Identyfikatory