spTimer公司

R包spTimer:时空贝叶斯建模。使用[1]贝叶斯高斯过程(GP)模型、[2]贝叶斯自回归(AR)模型和[3]基于贝叶斯高斯预测过程(GPP)的AR模型来拟合、空间预测和时间预测大量时空数据。巴卡尔和萨胡(2015)<doi:10.18637/jss.v063.i15>。


zbMATH中的参考文献(参考 15篇文章,1标准件)

显示第1到15个结果,共15个。
按年份排序(引用)

  1. Bakar,K.Shuvo:使用截尾贝叶斯空间变化模型对日降雨量数据进行插值(2020年)
  2. Gilani,Owais;Urbanek,Simon;Kane,Michael J.:使用蜂窝设备网络在康涅狄格州通勤时间暴露于臭氧的分布(2020年)
  3. Waleed Almutriy,Vineetha Warriyar K V,Rob Deardon:传染病的连续时间个体水平模型:一个一揽子计划(2020年)阿尔十四
  4. Ickowicz,Adrien;Ford,Jessica;Hayes,Keith:成分数据的混合模型方法:推断土地利用对点参考水质测量的影响(2019年)
  5. Mukhopadhyay,Sabyasachi;Ogutu,Joseph O.;Bartzke,Gundula;都柏林,Holly T.;Piepho,Hans-Peter:使用层次贝叶斯回归模型模拟稀疏降雨数据的时空变化(2019年)
  6. Duncan Lee;Alastair Rushworth;Gary Napier:使用CARBayesST软件包的条件自回归先验R时空区域单元建模(2018)不是zbMATH
  7. Bakar,K.Shuvo;Kokic,Philip;Jin,Huidong:使用\texttsptdyn的分层空间变化系数和时间动态过程模型(2016)
  8. 德尔萨托,西蒙娜;拉纳利,玛丽亚·乔瓦纳;卡佩莱蒂,大卫;莫罗尼,比阿特丽斯;克罗奇安蒂,斯特凡诺;卡斯泰利尼,西尔维亚:从移动监测站模拟时空空气污染数据(2016年)
  9. Andrew Finley;Sudipto Banerjee;Alan Gelfand:大型单变量和多变量点参考时空数据模型的spBayes(2015)不是zbMATH
  10. Edzer Pebesma;Roger Bivand;Paulo Ribeiro:空间统计软件(2015)不是zbMATH
  11. Fabio Sigrist;Hans Künsch;Werner-Stahel:spate:随机平流扩散过程时空模拟的R包(2015)不是zbMATH
  12. Khandoker Bakar;Sujit Sahu:spTimer:R时空贝叶斯建模(2015)不是zbMATH
  13. Martin Schlather;Alexander Malinowski;Peter Menck;Marco Oesting;Kirstin Strokorb:多变量随机场的分析、模拟和预测(2015)不是zbMATH
  14. Francesco Finazzi;Alessandro Fassò:D-STEM:环境时空变量分析和绘图软件(2014)不是zbMATH
  15. Duncan Lee:CARBayes:R包用于具有条件自回归先验的贝叶斯空间建模(2013)不是zbMATH