Analysis of stationary spatial-temporal processes: Estimation and prediction
平稳时空过程分析：估计与预测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：摘要明确研究平稳时空过程及沿时间进行的预测，对应时间序列与预测方法。
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…
关注这篇论文的作者
平稳时空过程分析：估计与预测
- 研究问题
- 如何对平稳时空过程的联立线性模型计算似然，并在空间阶数不同的情形下开展估计及参数已知时的时间预测？
- 方法与思路
- 作者为一阶空间过程构造简单的似然计算方法；针对无法直接推广的高阶情形提出替代方法，并讨论沿时间进行预测。
- 材料陈述的贡献
- 摘要称，论文提供一阶与高阶空间过程的不同似然计算方法，并说明参数已知时如何预测，未给出具体精度比较。
- 阅读关注点
- 核对空间阶数和平稳性的定义、各似然算法的计算条件，以及预测公式如何处理时空依赖与观测边界。
- 阅读边界
- 仅据所给 OpenAlex 索引摘要，稿件版本未注明；参数估计误差对预测的影响及高阶算法细节未说明，不能推断刊本变化。
原文摘要
The paper analyses a simultaneous linear model representing stationary spatial-temporal processes. For processes with unit spatial orders, a simple method to compute the likelihood function is developed. Unfortunately, this technique does not generalize to higher order processes. Alternative methods applicable to higher order processes are developed. Finally, it is shown how predictions can be made over time if the parameters are known.