Semiparametric Estimation of Spectral Density With Irregular Observations
不规则观测下谱密度的半参数估计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：摘要明确研究散点空间观测、各向同性高斯过程和降雨插值，不能仅凭谱密度术语归入宏观时间序列或高频计量。
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…
不规则观测下谱密度的半参数估计
- 研究问题
- 对于散点观测的各向同性高斯过程，如何估计谱密度，尤其是影响插值性质的高频尾部，同时利用观测间的相关性？
- 方法与思路
- 作者在截断频率前用 B 样条表示谱密度，之后采用截断代数尾部，推导协方差解析表达并以模拟退火最大化似然。
- 材料陈述的贡献
- 摘要称方法能够直接估计谱尾部；模拟中按若干标准优于核方法和 Matérn 参数模型，降雨应用中优于核方法。
- 阅读关注点
- 阅读时应核对谱密度的合法性约束、截断频率和尾部参数选择、似然计算问题，以及模拟比较采用的标准与情景。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未给出比较标准和数值结果，空间高斯过程的结论不能直接推广到金融高频数据。
原文摘要
We propose a semiparametric method for estimating spectral densities of isotropic Gaussian processes with scattered data. The spectral density function (Fourier transform of the covariance function) is modeled as a linear combination of B-splines up to a cutoff frequency and, from this point, a truncated algebraic tail. We calculate an analytic expression for the covariance function and tackle several numerical issues that arise when calculating the likelihood. The parameters are estimated by maximizing the likelihood using the simulated annealing method. Our method directly estimates the tail behavior of the spectral density, which has the greatest impact on interpolation properties. The use of the likelihood in parameter estimation takes the correlations between observations fully into account. We compare our method with a kernel method proposed by Hall et al. and a parametric method using the Matérn model. Simulation results show that our method outperforms the other two by several criteria. Application to rainfall data shows that our method outperforms the kernel method.