Analyzing Nonstationary Spatial Data Using Piecewise Gaussian Processes
利用分片高斯过程分析非平稳空间数据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：摘要研究空间协方差与地质分区，不能据此归入时间结构变化或经济网络模型。
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…
利用分片高斯过程分析非平稳空间数据
- 研究问题
- 当地质边界使空间协方差发生突变、跨岩层相关性很弱时，如何建模这种难以用平滑协方差描述的空间异质性？
- 方法与思路
- 作者自动将空间域划分为互不重叠的区域，假定区域内过程平稳、区域间数据独立，并以全贝叶斯方法处理分区和模型不确定性。
- 材料陈述的贡献
- 摘要提出处理空间协方差突变的通用建模方法，并用得克萨斯州一处油田的土壤渗透率数据展示应用。
- 阅读关注点
- 应核对区域数量与形状的先验、分区计算方法，以及区域间独立假设的合理性和边界附近预测对分区不确定性的敏感性。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明计算细节或预测比较，不能推断该方法适用于存在明显跨区域相关的数据。
原文摘要
In many problems in geostatistics the response variable of interest is strongly related to the underlying geology of the spatial location. In these situations there is often little correlation in the responses found in different rock strata, so the underlying covariance structure shows sharp changes at the boundaries of the rock types. Conventional stationary and nonstationary spatial methods are inappropriate, because they typically assume that the covariance between points is a smooth function of distance. In this article we propose a generic method for the analysis of spatial data with sharp changes in the underlying covariance structure. Our method works by automatically decomposing the spatial domain into disjoint regions within which the process is assumed to be stationary, but the data are assumed independent across regions. Uncertainty in the number of disjoint regions, their shapes, and the model within regions is dealt with in a fully Bayesian fashion. We illustrate our approach on a previously unpublished dataset relating to soil permeability of the Schneider Buda oil field in Wood County, Texas.