548-0117/05 – Spatiotemporal Analyses (CPA)
Gurantor department | Department of Geoinformatics | Credits | 5 |
Subject guarantor | prof. Ing. Igor Ivan, Ph.D. | Subject version guarantor | prof. Ing. Igor Ivan, Ph.D. |
Study level | undergraduate or graduate | Requirement | Choice-compulsory type B |
Year | 1 | Semester | summer |
| | Study language | Czech |
Year of introduction | 2021/2022 | Year of cancellation | |
Intended for the faculties | HGF | Intended for study types | Follow-up Master |
Subject aims expressed by acquired skills and competences
Cílem tohoto předmětu je seznámení studentů s časoprostorovými analýzami a jejich simulacemi. Úvodní část předmětu seznamuje studenty s problematikou časových řad a vybranými metodami jejich analýz. Představeny jsou aspekty časoprostorových dat a metody explorační analýzy těchto dat. Významná část předmětu se věnuje problematice geosurvaillance (prostorové přežití) – retrospektivním a prospektivním analýzám. V závěru je pak prostor věnován časoprostorovým modelům, hlavně jednoparametrickým, ale také víceparametrickým.
Osnova přednášek
1) Úvod do časových řad.
2) Úvod do časových řad.
3) Metody analýz časových řad.
4) Metody analýz časových řad.
5) Úvod do časoprostorových analýz.
6) Explorační analýza časoprostorových dat.
7) Časoprostorové analýzy.
8) GeoSurveillance – retrospektivní a prospektivní testy
9) Časoprostorové modelování
10) Časoprostorové modelování
11) Multivariační časoprostorové modely
12) Multivariační časoprostorové modely
Znalosti prokazované při ukončení předmětu:
Orientace v metodách analýz časových řad, časoprostorových analýz a časoprostorového modelování.
Dovednosti prokazované při ukončení předmětu:
Schopnost aplikovat analýzy časových řad a časoprostorové analýz a modelování při řešení praktických úloh.
Teaching methods
Lectures
Tutorials
Summary
The aim of this course is to present the processing of spatiotemporal data. The introductory part of the course presents the problems of time series and selected methods of their visualization, analysis and modeling (decomposition, regression models, exponential models, ARIMA and SARIMA). Furthermore, key aspects of spatiotemporal data and methods of their exploratory analysis are presented. Methods of analysis of spatiotemporal data and spatiotemporal clustering are presented, which form a key part of this course. Lectures are also devoted to the issue of visualization of spatiotemporal data.
Compulsory literature:
Recommended literature:
Additional study materials
Way of continuous check of knowledge in the course of semester
Students are asked about knowledge from areas that they should have already known from previous lectures. They also work on individual tasks. They must pass writing and oral exam.
E-learning
Other requirements
No other requirements are defined.
Prerequisities
Subject has no prerequisities.
Co-requisities
Subject has no co-requisities.
Subject syllabus:
1) Introduction to time series.
2) Decomposition of time series.
3) Methods of time series analysis - regression modeling.
4) Methods of time series analysis - exponential modeling.
5) Methods of time series analysis - ARIMA.
6) Methods of time series analysis - SARIMA models.
7) Introduction to spatiotemporal data.
8) Exploratory analysis of spatiotemporal data.
9) Spatio-temporal analyzes (part 1).
10) Spatio-temporal analyzes (part 2).
11) Spatio-temporal clustering (part 1).
12) Spatio-temporal clustering (part 2).
13) Visualization of spatiotemporal data.
Conditions for subject completion
Occurrence in study plans
Occurrence in special blocks
Assessment of instruction
Předmět neobsahuje žádné hodnocení.