Detection of Change in the Spatiotemporal Mean Function
时空均值函数变化的检测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：摘要明确使用函数值时间序列并检测年度均值模式变化，对应时间序列与结构变化方法。
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…
时空均值函数变化的检测
- 研究问题
- 对空间区域内固定站点持续观测的环境变量，如何检测其年度变化模式发生改变，并处理站点之间的空间相关性？
- 方法与思路
- 作者将各站点观测视为函数值时间序列，把年度均值函数与空间相关误差分开建模，并扩展累积和检验。
- 材料陈述的贡献
- 摘要称，检验的渐近分布依赖空间相关性，可用 Monte Carlo 模拟近似，并以降水数据和模拟研究展示方法。
- 阅读关注点
- 应核对均值变化形式、空间相关结构和渐近设定，以及含未知参数的零分布如何模拟、有限样本表现如何评价。
- 阅读边界
- 仅据 Crossref 摘要；具体变化假设、相关性估计和数值结果未给出，不能判断对不同空间布局或变化类型的表现。
原文摘要
Summary The paper develops inferential methodology for detecting a change in the annual pattern of an environmental variable measured at fixed locations in a spatial region. Using a framework built on functional data analysis, we model observations as a collection of function-valued time sequences available at many sites. Each sequence is modelled as an annual mean function, which may change, plus a sequence of error functions, which are spatially correlated. The tests statistics extend the cumulative sum paradigm to this more complex setting. Their asymptotic distributions are not parameter free because of the spatial dependence but can be effectively approximated by Monte Carlo simulations. The new methodology is applied to precipitation data. Its finite sample performance is assessed by a simulation study.