跳到正文
← 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。

本页为预印本版本;arXiv 收录、作者填写的期刊信息以及作者既有发表经历,都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对,只展示已核实例,档案仍可能误合并。

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:摘要聚焦空间统计与贝叶斯Copula建模,属于空间计量与统计方法,未涉及所提供领域细分中的因果推断、面板、时间序列、资产定价等方向,故不选择。

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
Alan Pearse
David Gunawan
Noel Cressie

基于贝叶斯Copula的空间随机效应模型:面向复杂空间数据的推断

研究问题
摘要称,本文针对大规模、含噪声、不完整且非高斯的空间数据,研究如何进行参数估计与空间过程预测的统计推断。
方法与思路
作者提出完全贝叶斯的、基于Copula的空间统计模型,构造可容纳空间随机效应结构的新型Copula,实现低秩表示与计算高效的贝叶斯推断;Copula用于层次模型的潜过程,数据模型在给定潜过程下处理测量误差与缺失数据。
材料陈述的贡献
摘要称,模拟研究显示该完全贝叶斯方法在参数估计与空间过程预测上准确且快速,优于包括固定秩克里金(FRK)在内的若干基准方法;并将该模型用于利用Sentinel 5P卫星数据绘制澳大利亚昆士兰Bowen Basin的大气甲烷分布。
阅读关注点
应核对新型Copula的具体构造与识别条件、低秩近似的误差与计算复杂度、模拟设计及与FRK等基准的可比性,以及甲烷制图的数据处理与验证方式。
阅读边界
仅凭摘要无法判断模型假设是否成立、推断的理论保证、模拟与实证的具体数值表现及可复现性;该文为arXiv预印本,未经同行评审验证,不能据此声称已被期刊接收。

原文摘要

In this article, we develop fully Bayesian, copula-based, spatial-statistical models for large, noisy, incomplete, and non-Gaussian spatial data. Our approach includes novel constructions of copulas that accommodate a spatial-random-effects structure, enabling low-rank representations and computationally efficient Bayesian inference. The spatial copula is used in a latent process model of the Bayesian hierarchical spatial-statistical model, and, conditional on the latent copula-based spatial process, the data model handles measurement errors and missing data. Our simulation studies show that a fully Bayesian approach delivers accurate and fast inference for both parameter estimation and spatial-process prediction, outperforming several benchmark methods, including fixed rank kriging (FRK). The new class of copula-based models is used to map atmospheric methane in the Bowen Basin, Queensland, Australia, from Sentinel 5P satellite data.

笔记与分组
相关领域论文