Infilling Sparse Records of Spatial Fields
空间场稀疏记录的补全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：摘要聚焦气象空间场的缺失记录补全，未明确涉及宏观预测、因子模型或所列经济计量方向。
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…
空间场稀疏记录的补全
- 研究问题
- 历史气象记录在空间与时间上不规则缺失时，如何补全与已观测数据一致的记录，并为补全估计提供不确定性度量？
- 方法与思路
- 作者修改高斯—逆 Wishart 空间场模型，用交叉验证确定回归与地统计成分的相对先验权重，并以空间填充子集降低计算量。
- 材料陈述的贡献
- 摘要称，该实现适应不规则数据并兼顾计算可行性与统计有效性，且能够为估计提供作者认为可靠的不确定性度量。
- 阅读关注点
- 应核对不规则观测的处理、两类成分的权重选择、空间子集近似的影响，以及不确定性是否涵盖模型和补全误差。
- 阅读边界
- 材料为版本未注明的 OpenAlex 索引摘要；摘要未说明缺失机制、误差验证标准或计算节省幅度，不能据此确认可靠性。
原文摘要
Historical records of weather, such as monthly precipitation and temperatures from the last century, are an invaluable database to use in studying changes and variability in climate. These data also provide the starting point for understanding and modeling the relationship among climate, ecological processes, and human activities. However, these data are observed irregularly over space and time. The basic statistical problem is to create a complete data record that is consistent with the observed data and is useful for other scientific disciplines. We modify the Gaussian-inverted Wishart spatial field model to accommodate irregular data patterns and to facilitate computations. Novel features of our implementation include the use of cross-validation to determine the relative prior weight given to the regression and geostatistical components and the use of a space-filling subset to reduce the computations for some parameters. We feel that the overall approach has merit, treading a line between computational feasibility and statistical validity. Furthermore, we are able to produce reliable measures of uncertainty for the estimates.