Nonseparable, Stationary Covariance Functions for Space–Time Data
时空数据的非可分平稳协方差函数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：摘要聚焦地统计时空协方差，未明确涉及所列宏观或金融时间序列细分。
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
时空数据的非可分平稳协方差函数
- 研究问题
- 如何构造可用于时空预测的协方差模型，使其表达空间与时间之间的相互作用，并保持参数的可解释性？
- 方法与思路
- 作者直接在时空域构造一般类别的非可分平稳协方差函数，不依赖闭式 Fourier 逆变换，并拟合爱尔兰风数据。
- 材料陈述的贡献
- 摘要称提出了新的协方差函数类别，参数可对应空间与时间结构，并展示了具有可解释时空交互参数的模型。
- 阅读关注点
- 阅读时应核对协方差有效性的条件、非可分性的具体形式、交互参数含义，以及风数据拟合和预测评价的设计。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明稿件版本；摘要未提供模型条件或预测表现，不能据此判断优于其他协方差模型。
原文摘要
Geostatistical approaches to spatiotemporal prediction in environmental science, climatology, meteorology, and related fields rely on appropriate covariance models. This article proposes general classes of nonseparable, stationary covariance functions for spatiotemporal random processes. The constructions are directly in the space–time domain and do not depend on closed-form Fourier inversions. The model parameters can be associated with the data's spatial and temporal structures, respectively; and a covariance model with a readily interpretable space–time interaction parameter is fitted to wind data from Ireland.