Estimation and Model Identification for Continuous Spatial Processes
连续空间过程的参数估计与模型辨识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：摘要讨论连续空间随机场，未涉及面板、经济网络或所列时间序列应用。
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
连续空间过程的参数估计与模型辨识
- 研究问题
- 对任意位置采集的含噪空间观测，如何估计连续空间过程的参数并辨识模型，同时缓解非格点极大似然的计算困难？
- 方法与思路
- 作者设定线性均值与二阶平稳高斯随机场残差，用椭圆等值线的二维有理谱密度建模协方差，并采用迭代估计。
- 材料陈述的贡献
- 摘要称提出正式的参数估计与模型辨识程序，迭代方法缓解传统非格点极大似然的计算困难，并用于模拟及地下水数据。
- 阅读关注点
- 应核对观测噪声、高斯性和平稳性设定，谱密度参数化、模型辨识准则，以及迭代算法的收敛与计算比较。
- 阅读边界
- 仅据所给 Crossref 摘要；未提供迭代细节、模型选择表现或计算改进数值，也不能推断后续刊本变化。
原文摘要
SUMMARY Formal parameter estimation and model identification procedures for continuous domain spatial processes are introduced. The processes are assumed to be adequately described by a linear model with residuals that follow a second-order stationary Gaussian random field and data are assumed to consist of noisy observations of the process at arbitrary sampling locations. A general class of two-dimensional rational spectral density functions with elliptic contours is used to model the spatial covariance function. An iterative estimation procedure alleviates many of the computational difficulties of conventional maximum likelihood estimation for non-lattice data. The procedure is applied to several generated data sets and to an actual ground-water data set.