Mimar Sinan Güzel Sanatlar Üniversitesi Açık Bilim, Sanat Arşivi

Açık Bilim, Sanat Arşivi, Mimar Sinan Güzel Sanatlar Üniversitesi tarafından doğrudan ve dolaylı olarak yayınlanan; kitap, makale, tez, bildiri, rapor gibi tüm akademik kaynakları uluslararası standartlarda dijital ortamda depolar, Üniversitenin akademik performansını izlemeye aracılık eder, kaynakları uzun süreli saklar ve yayınların etkisini artırmak için telif haklarına uygun olarak Açık Erişime sunar.

MSGSÜ'de Ara
Gelişmiş Arama

Basit öğe kaydını göster

dc.contributor.authorAcar-Denizli, Nihan
dc.contributor.authorDelicado, Pedro
dc.contributor.authorBasarir, Gulay
dc.contributor.authorCaballero, Isabel
dc.date.accessioned2025-01-09T20:14:24Z
dc.date.available2025-01-09T20:14:24Z
dc.date.issued2018
dc.identifier.issn1352-8505
dc.identifier.issn1573-3009
dc.identifier.urihttps://doi.org/10.1007/s10651-018-0405-7
dc.identifier.urihttps://hdl.handle.net/20.500.14124/9044
dc.description.abstractThe aim of this study is to propose the use of a functional data analysis approach as an alternative to the classical statistical methods most commonly used in oceanography and water quality management. In particular we consider the prediction of total suspended solids (TSS) based on remote sensing (RS) data. For this purpose several functional linear regression models and classical non-functional regression models are applied to 10 years of RS data obtained from medium resolution imaging spectrometer sensor to predict the TSS concentration in the coastal zone of the Guadalquivir estuary. The results of functional and classical approaches are compared in terms of their mean square prediction error values and the superiority of the functional models is established. A simulation study has been designed in order to support these findings and to determine the best prediction model for the TSS parameter in more general contexts.en_US
dc.description.sponsorshipSpanish Ministerio de Ciencia e Innovacion; Fondo Europeo de Desarrollo Regional Grants [MTM2013-43992-R, MTM2017-88142-P]; Mimar Sinan Fine Arts University Coordinatorship of Scientific Research Projects [2014-24]en_US
dc.description.sponsorshipThis investigation is partially supported by the Spanish Ministerio de Ciencia e Innovacion and Fondo Europeo de Desarrollo Regional Grants MTM2013-43992-R and MTM2017-88142-P, and by the Project 2014-24 of Mimar Sinan Fine Arts University Coordinatorship of Scientific Research Projects.en_US
dc.language.isoengen_US
dc.publisherSpringeren_US
dc.relation.ispartofEnvironmental and Ecological Statisticsen_US
dc.rightsinfo:eu-repo/semantics/closedAccessen_US
dc.subjectExponential regression modelsen_US
dc.subjectFunctional linear regression modelsen_US
dc.subjectFunctional partial least squaresen_US
dc.subjectFunctional principal componentsen_US
dc.subjectRemote sensing dataen_US
dc.titleFunctional regression on remote sensing data in oceanographyen_US
dc.typearticleen_US
dc.authoridAcar-Denizli, Nihan/0000-0002-0012-8632
dc.authoridCaballero, Isabel/0000-0001-7485-0989
dc.authoridDelicado, Pedro/0000-0003-3933-4852
dc.departmentMimar Sinan Güzel Sanatlar Üniversitesien_US
dc.identifier.doi10.1007/s10651-018-0405-7
dc.identifier.volume25en_US
dc.identifier.issue2en_US
dc.identifier.startpage277en_US
dc.identifier.endpage304en_US
dc.relation.publicationcategoryMakale - Uluslararası Hakemli Dergi - Kurum Öğretim Elemanıen_US
dc.identifier.wosqualityQ3
dc.identifier.wosWOS:000432320500006
dc.identifier.scopus2-s2.0-85047200429
dc.identifier.scopusqualityQ1
dc.indekslendigikaynakWeb of Scienceen_US
dc.indekslendigikaynakScopusen_US
dc.snmzKA_20250105


Bu öğenin dosyaları:

DosyalarBoyutBiçimGöster

Bu öğe ile ilişkili dosya yok.

Bu öğe aşağıdaki koleksiyon(lar)da görünmektedir.

Basit öğe kaydını göster