Estimation and Identification of Space-Time ARMAX Models in the Presence of Missing Data
缺失数据下时空 ARMAX 模型的估计与识别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：摘要明确研究多变量空间时间序列和 ARMAX 模型的估计与识别。
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
缺失数据下时空 ARMAX 模型的估计与识别
- 研究问题
- 研究多变量空间时间序列在时空采集受到物理限制、存在缺失或不完整观测时，如何建立模型并进行参数估计和模型识别。
- 方法与思路
- 作者将空间统计方法与 ARMAX 模型参数化结合，用于多变量时空序列的建模与拟合，并设计容纳一般缺失模式的估计和识别程序。
- 材料陈述的贡献
- 摘要称，所述方法能够处理时空数据采集造成的一般缺失或不完整模式；但未列出具体算法、缺失机制条件或估计性质。
- 阅读关注点
- 应核对空间结构如何进入 ARMAX 参数化、识别在文中的具体含义，并检查缺失机制、可用观测要求及拟合程序的计算步骤。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。“一般缺失模式”不等于任意缺失机制都可忽略；摘要未说明相应统计条件。
原文摘要
A method for modeling and fitting multivariate spatial time series data based on current spatial methodology coupled with the parameterization of the ARMAX model is presented. Because of the physical constraints imposed on multivariate data collection in both space and time, the estimation and identification procedures tolerate general patterns of missing or incomplete data.