Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Compositional Scalar-on-Function Regression with Application to Sediment Particle Size Distributions

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61388980%3A_____%2F21%3A00542305" target="_blank" >RIV/61388980:_____/21:00542305 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/61989592:15310/21:73610049

  • Výsledek na webu

    <a href="http://hdl.handle.net/11104/0322722" target="_blank" >http://hdl.handle.net/11104/0322722</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/s11004-021-09941-1" target="_blank" >10.1007/s11004-021-09941-1</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Compositional Scalar-on-Function Regression with Application to Sediment Particle Size Distributions

  • Popis výsledku v původním jazyce

    The chemical composition of sediments is controlled predominantly by the sediment grain size, and thus evaluating their relationship is an important task in sedimentary geochemistry. The grain size is characterized by the respective particle size distribution, which can be expressed as a probability density function. Because of the relative character of densities, the Bayes space methodology was employed to build a regression model between a real response and a density function as a covariate, here the chemical composition and the particle size density. For practical computations, density functions were expressed in the standard L-2 space using the centred logratio transformation and spline approximation of the input discretized densities was utilized by respecting the induced zero-integral constraint. After a concise simulation study, supporting the relevance of the proposed regression model, the new methodology was applied to examine the relationship between sediment grain size and geochemical composition, with samples being obtained in the Czech Republic in the Skalka Reservoir and in the Oh.re River floodplain upstream of the reservoir, to reveal proper grain size proxies. The Al/Si and Zr/Rb logratios in the sediments that were studied showed grain-size control, which makes them suitable for this purpose.

  • Název v anglickém jazyce

    Compositional Scalar-on-Function Regression with Application to Sediment Particle Size Distributions

  • Popis výsledku anglicky

    The chemical composition of sediments is controlled predominantly by the sediment grain size, and thus evaluating their relationship is an important task in sedimentary geochemistry. The grain size is characterized by the respective particle size distribution, which can be expressed as a probability density function. Because of the relative character of densities, the Bayes space methodology was employed to build a regression model between a real response and a density function as a covariate, here the chemical composition and the particle size density. For practical computations, density functions were expressed in the standard L-2 space using the centred logratio transformation and spline approximation of the input discretized densities was utilized by respecting the induced zero-integral constraint. After a concise simulation study, supporting the relevance of the proposed regression model, the new methodology was applied to examine the relationship between sediment grain size and geochemical composition, with samples being obtained in the Czech Republic in the Skalka Reservoir and in the Oh.re River floodplain upstream of the reservoir, to reveal proper grain size proxies. The Al/Si and Zr/Rb logratios in the sediments that were studied showed grain-size control, which makes them suitable for this purpose.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    10511 - Environmental sciences (social aspects to be 5.7)

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA19-01768S" target="_blank" >GA19-01768S: Separace geochemických signálů v sedimentech: aplikace pokročilých statistických metod na rozsáhlé geochemické datové soubory</a><br>

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2021

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Mathematical Geosciences

  • ISSN

    1874-8961

  • e-ISSN

    1874-8953

  • Svazek periodika

    53

  • Číslo periodika v rámci svazku

    7

  • Stát vydavatele periodika

    DE - Spolková republika Německo

  • Počet stran výsledku

    29

  • Strana od-do

    1667-1695

  • Kód UT WoS článku

    000642867300001

  • EID výsledku v databázi Scopus

    2-s2.0-85105144756