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：摘要中的ARMA用于二维空间数据，不能仅凭模型名称归入时间序列或网络方向。
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
- 对于二维空间中不等间距的观测，如何估计连续空间ARMA模型，并在观测规模较大时进行近似拟合和未观测位置预测？
- 方法与思路
- 作者在高斯输入噪声和观测误差设定下，用极大似然估计ARMA参数及趋势系数；大样本时采用基于最近邻的近似似然。
- 材料陈述的贡献
- 摘要称文章回顾并扩展拟合方法，比较最近邻近似与精确似然方法，且可计算未观测位置的场高度预测及置信区间。
- 阅读关注点
- 应核对空间谱与协方差的设定、最近邻的选择规则、近似似然的误差，以及预测置信区间是否计入参数估计不确定性。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明，不能推断刊本变化；摘要未给出近似误差、计算规模或置信区间覆盖表现。
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.