Nonparametric Testing of Spatial Dependence in 2D and 3D Random Fields
二维与三维随机场空间依赖的非参数检验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。
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：摘要研究一般空间随机场检验，一维序列转换是技术步骤，未形成宏观时间序列等领域的直接依据。
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
二维与三维随机场空间依赖的非参数检验
- 研究问题
- 如何为二维和三维随机场构建容易实施、适应不同网格大小的空间依赖检验，并减少既有二维方法的维度限制？
- 方法与思路
- 作者通过保持局部邻近关系的希尔伯特空间填充曲线，将空间数据转为一维序列，再应用序数模式的序列依赖检验。
- 材料陈述的贡献
- 摘要称该方法利用广义希尔伯特曲线适配任意网格大小，并可自然延伸至更高维，提供空间序数模式方法的替代方案。
- 阅读关注点
- 应核对空间依赖经曲线排序后如何被检出、检验的零假设与校准方式，以及不同路径和网格形状对检验功效的影响。
- 阅读边界
- 这是预印本，同行评审或期刊接收未经核实；摘要未提供尺寸控制、功效结果或具体假设，局部性保持不保证检出所有依赖。
原文摘要
We propose a flexible and robust nonparametric framework for testing spatial dependence in two- and three-dimensional random fields. Our approach involves converting spatial data into one-dimensional time series using space-filling Hilbert curves. We then apply ordinal pattern-based tests for serial dependence to this series. Because Hilbert curves preserve spatial locality, spatial dependence in the original field manifests as serial dependence in the transformed sequence. The approach is easy to implement, accommodates arbitrary grid sizes through generalized Hilbert (``gilbert'') curves, and naturally extends beyond three dimensions. This provides a practical and general alternative to existing methods based on spatial ordinal patterns, which are typically limited to two-dimensional settings.