<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Journal title</title>
<title_fa>عنوان نشریه</title_fa>
<short_title>Quarterly Journal of Science  Kharazmi University</short_title>
<subject>Literature &amp; Humanities</subject>
<web_url>http://jsci.khu.ac.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn></journal_id_issn>
<journal_id_issn_online></journal_id_issn_online>
<journal_id_pii></journal_id_pii>
<journal_id_doi>doi</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid></journal_id_sid>
<journal_id_nlai></journal_id_nlai>
<journal_id_science></journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1384</year>
	<month>2</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2005</year>
	<month>5</month>
	<day>1</day>
</pubdate>
<volume>18</volume>
<number>51</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>مقایسه روشهای درون‌یابی برای داده‌های فضایی</title_fa>
	<title>Comparison of Spatial Interpolation Methods</title>
	<subject_fa></subject_fa>
	<subject></subject>
	<content_type_fa></content_type_fa>
	<content_type></content_type>
	<abstract_fa>گاهی در تجزیه و تحلیل داده‌ها با مشاهداتی مواجه می‌شویم که مستقل نیستند و نوعاً وابستگی آن‌ها ناشی از مکان یا موقعیت فضایی است. در آمار فضایی معمولا روش‌های مختلفی برای درون‌یابی این‌گونه داده‌ها به کار گرفته می‌شوند. در این مقاله ضمن بررسی انواع درون‌یاب‌های فضایی، میزان دقت آن‌ها با استفاده از معیار میانگین مربعات خطا مقایسه عددی شده است و کریگیدن به عنوان روشی برتر در مقایسه با سایر درون‌یاب‌ها معرفی می‌شود.</abstract_fa>
	<abstract>Sometimes observations in statistical analysis are not independent and typically are correlated with their spatial locations. In spatial statistics there are some methods to interpolate this kind of data. In this paper some of interpolators for spatial data will be studied. Then they will be evaluated and compared by means of mean square errors criteria. Finally it will be shown that kriging acts better than other methods such as spline, inverse distance, for interpolation of spatial data.</abstract>
	<keyword_fa>کریگیدن , اسپلاین , عکس مجذور فاصله , عکس توان ام فاصله ,</keyword_fa>
	<keyword>کریگیدن , اسپلاین , عکس مجذور فاصله , عکس توان ام فاصله ,</keyword>
	<start_page>243</start_page>
	<end_page>250</end_page>
	<web_url>http://jsci.khu.ac.ir/browse.php?a_code=A-10-3-54&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
</author_list>


	</article>
</articleset>
</journal>
