Fitting Continuous ARMA Models to Unequally Spaced Spatial Data
不等间距空间数据的连续 ARMA 模型拟合AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究二维空间随机场，不能因 ARMA 名称归入时间序列，也未明确研究网络与干扰。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
不等间距空间数据的连续 ARMA 模型拟合
- 研究问题
- 对于二维不等间距空间观测，如何拟合连续空间 ARMA 模型，并在精确似然计算规模过大时近似估计及预测未观测位置？
- 方法与思路
- 作者在高斯输入噪声与观测误差假设下，用极大似然估计模型和趋势参数，规模较大时采用基于近邻的近似似然。
- 材料陈述的贡献
- 摘要称回顾并扩展连续空间 ARMA 拟合方法，比较近邻近似与精确似然，并可计算未观测位置的场高度预测及置信区间。
- 阅读关注点
- 应核对二维谱与协方差模型、近邻选取及近似误差、趋势和噪声参数的处理，以及预测区间是否计入参数估计不确定性。
- 阅读边界
- 仅据版本未注明的索引摘要；近似精度、适用规模和区间覆盖结果未提供，不能推广至任意空间依赖或非高斯误差，也不能推断刊本变化。
原文摘要
Methods for fitting continuous spatial autoregressive moving average (ARMA) models to unequally spaced observations in two dimensions are reviewed and extended. These are models with rational two-dimensional spectra. Assuming Gaussian input noise and observational errors, maximum likelihood methods are used to estimate the ARMA parameters and the regression coefficients of the deterministic trend. When the number of observations is too large for exact maximum likelihood estimation, approximate maximum likelihood estimation is used based on nearest neighbors. Comparisons of nearest-neighbor methods with exact likelihood methods are presented. Predictions of the height of the field at unobserved points can be calculated with confidence intervals.