fa تحلیل مدل‌های سلسله‌مراتبی بیزی روی داده‌های فضایی- زمانی حجیم قیمت مسکن شهر تهران تخصصي Special كاربردي Applicable <span style="font-size:12px;"><span style="font-family:tahoma;">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<span dir="LTR">.</span></span></span><span style="font-family:yas;"><span style="font-size:11.0pt;"></span></span> Housing price data is correlated to their location in different neighborhoods and their correlation is type of spatial (location). The price of housing is varius in different months, so they also&nbsp;have a time correlation. Spatio-temporal models are used to analyze this type of the data. An important purpose of reviewing this type of the data is to fit a suitable model for the spatial-temporal analysis, to obtain the parameter estimates and predictions in known sites and times. In this paper, the Gaussian process, the autoregressive and the dynamic&nbsp; models for large space time data of the housing prices in Tehran is considered.The Bayesian approach is used to fit the models, to predict in new sites and&nbsp; to forecast in future periods for the housing prices in Tehran.The suitable model with the mean square error of prediction and the computation time will be introduced. Finally prediction map of the housing prices for Tehran in the last months of 1394 is presented. داده‌های فضایی – زمانی, مدل پویا, مدل اتورگرسیو, مدل فرایند گاوسی, رهیافت بیزی. Spatio-temporal data, dynamic model, autoregressive model, Gaussian process model, bayesian approach. 147 163 http://ijoss.srtc.ac.ir/browse.php?a_code=A-10-146-1&slc_lang=fa&sid=1 Omid Karimi امید کریمی o_karimi@sun.semnan.ac.ir 1003194753284600689 1003194753284600689 Yes دانشگاه سمنان Fatemeh Hoseini فاطمه حسینی fatemeh.hoseini@semnan.ac.ir 1003194753284600690 1003194753284600690 No دانشگاه سمنان