TY - JOUR JF - srtc-ijoss JO - مجله‌ی بررسی‌ها VL - 28 IS - 2 PY - 2018 Y1 - 2018/3/01 TI - Analysis of Hierarchical Bayesian Models for Large Space Time Data of the Housing Prices in Tehran TT - تحلیل مدل‌های سلسله‌مراتبی بیزی روی داده‌های فضایی- زمانی حجیم قیمت مسکن شهر تهران N2 - داده‌های قیمت مسکن نسبت به موقعیت قرارگیری آن‌ها در محله‌های مختلف همبسته‌اند و این همبستگی از نوع فضایی (مکانی) است. همچنین قیمت مسکن در ماه‌های مختلف سال متفاوت‌اند، بنا بر این همبستگی از نوع زمانی نیز دارند. برای تحلیل این نوع داده‌ها از مدل‌های فضایی - زمانی استفاده می‌شود. از اهداف مهم در بررسی این نوع از داده‌ها، برازش یک مدل مناسب برای تحلیل فضایی- زمانی آن‌ها، براورد پارامترها و پیشگویی‌ها در موقعیت‌ها و زمان‌های معلوم است. سه مدل‌ فرایند گاوسی، اتورگرسیو و پویا برای تحلیل داده‌های حجیم قیمت مسکن شهر تهران در نظر گرفته می‌شود. از رهیافت بیزی برای برازش مدل‌ها و پیشگویی در موقعیت‌های جدید و پیش‌بینی در زمان‌های آینده‌ی قیمت مسکن شهر تهران استفاده می‌شود. بهترین مدل با ملاک میانگین مجذور خطای پیشگویی‌ها و مقایسه‌ی زمان محاسبات معرفی می‌شود. در نهایت نقشه‌ی پیشگویی قیمت مسکن تهران در ماه‌های پایان سال ۱۳۹۴ ارائه شده است. SP - 147 EP - 163 AU - Karimi, Omid AU - Hoseini, Fatemeh AD - KW - Spatio-temporal data KW - dynamic model KW - autoregressive model KW - Gaussian process model KW - bayesian approach. UR - http://ijoss.srtc.ac.ir/article-1-240-fa.html ER -