Curso

PREDICCIONES ESPACIOTEMPORALES Y ALGUNAS APLICACIONES EN R

  • Desde: 17/7/17
  • Hasta: 28/7/17
  • Campus de Valencia
  • Idioma: Castellano
  • Presencial

Preinscripción desde el 10/5/17

Matrícula disponible hasta el 15/7/17

Promovido por:
Instituto Universitario de Ingeniería del Agua y del Medio Ambiente

Responsable de la actividad:



Modalidad

Presencial Online Emisión en directo

36 horas


0 horas


0 horas

Horario

Mañana y Tarde
Lunes, miércoles y viernes entre el 17 y el 28 de julio en horario de 11:00 a 14:00 y de 16:00 a 19:00.

Lugar de impartición
Aula 2.13 CFP
Certificación

Aprovechamiento

Modalidad

PRESENCIAL

Curso

2016-2017

ECTS

3,6

Campus

Valencia

36 h

Presenciales

0 h

Online

0,00 € - Público en general

Objetivos

La modelación de procesos espaciotemporales es crítica en muchos campos como las ciencias medioambientales, la hidrología y la ingeniería del petróleo. Hoy, el análisis espaciotemporal puede ser abordado incluyendo cuestiones imporatntes como: a) modelos de función aleatoria espacio-temporales, b) modelos de covariance que describan la correlación espacio temporal de las variables, c) uso de los modelos espacio-temporales para predicción, d) uso de paquetes de software que pueden afrontar problemas de inferencia. El curso está enfocado en estos temas, considerando distintas funciones de covarianza espaciotemporal. En concreto, tras un breve repaso de geoestadística y modelos de función aleatoria espacio temporal, se revisarán los modelos de covarianza espaciotemporal. Finalmente, se ilustrarán ciertos aspectos de cálculo computacional en R para ajuste de variogramas y para predicción.

Acción formativa dirigida a

Environmental engineers, hydrologists and hydrogeologists, reservoir engineers, civil engineers


Profesores

  • Claudia Cappello Profesional del sector
  • Sabrina Maggio Profesional del sector
  • Sandra De Iaco Profesional del sector

Metodología didáctica y sistemas de evaluación

Clases magistrales y prácticas de ordenador.

Temas a desarrollar

Course Schedule:
Geostatistics and spatio-temporal random functions
Theoretical framework on spatio-temporal random functions
Properties of the spatio-temporal covariance function and semivariogram
Classes of space-time covariances functions: an overview on some theoretical covariance models
Spatio-temporal structural analysis
Semivariogram and covariogram estimation and model fitting
? Empirical spatio-temporal semivariogram and covariogram
? Fitting spatio-temporal semivariogram and covariogram models
? Validation and comparison of spatio-temporal semivariogram and covariogram models
Characteristics of some classes of space-time covariance functions
Some statistical tests on semivariogram and covariogram characteristics
Spatio-temporal prediction
Spatio-temporal kriging
Spatio-temporal kriging equations
R Environment for space-time predictions
Introduction to R code
Spatial and Spatio-temporal data in R
- Construction of Spatio-Temporal Objects in R: Data formats (classes) and methods for spatio-temporal data (R packages required: sp, spacetime)
- Reading and writing spatial and spatio-temporal data (R packages required: sp, spacetime)
Spatio-temporal structural analysis in R
- Semivariogram and covariogram estimation and model fitting (R packages required: gstat)
- Scripts in R to test some features of spatio-temporal covariance functions

Spatio-temporal prediction in R (R packages required: gstat)

Case studies by using spatio-temporal datasets (R packages required: sp, spacetime, gstat).

Calendar Course (6 hours per day: 3 hours - theory, 3 hours - laboratory)
DAY 1:
? Geostatistics and spatio-temporal random functions: theoretical framework on spatio-temporal random functions; properties of the spatio-temporal covariance function and semivariogram
? Introduction to different formats of spatial and spatio-temporal in R: spatio-temporal full data frame; spatio-temporal sparse data frame; spatio-temporal irregular data frame
DAY 2:
? Geostatistics and spatio-temporal random functions: an overview on some theoretical space-time covariances models
? Reading and writing spatial and spatio-temporal data. Subset a spatio-temporal object. Graphical representation of spatio-temporal data
DAY 3:
? Spatio-temporal structural analysis: semivariogram and covariogram estimation and model fitting
? Semivariogram estimation. Fitting a spatio-temporal variogram model in R
DAY 4:
? Spatio-temporal structural analysis: validation and comparison of spatio-temporal semivariogram and covariogram models; some statistical tests on semivariogram and covariogram characteristics
? Cross-validation procedure in R
DAY 5:
? Spatio-temporal prediction: spatio-temporal kriging; spatio-temporal kriging equations
? Scripts in R to test some features of spatio-temporal covariance functions
DAY 6:
? Spatio-temporal interpolation in R
Case studies by using spatio-temporal datasets

Visita otros cursos relacionados con...

heterogeneidad geoestadística procesos spaciotemporales R