×

具有短记忆和长记忆依赖性的时空分析:状态空间方法。 (英语) Zbl 06852289号

摘要:本文利用状态空间方法研究时空过程的估计和预测问题。时空过程通过无限移动平均分解表示。这种扩展在时间序列分析中是众所周知的,并且可以在时空中直接扩展。这种方法可以很容易地实现卡尔曼滤波程序,用于估计和预测线性时间过程,该线性时间过程既具有短期和长期相关性,又具有给定位置的空间相关性结构。此外,我们考虑一个截断的状态空间方程,该方程允许计算大型数据集的近似似然。通过在不同场景下进行的几个蒙特卡罗实验,对所提出的卡尔曼滤波方法的性能进行了评估,并通过两个应用进行了说明。

MSC公司:

62M10个 统计学中的时间序列、自相关、回归等(GARCH)
62M20型 随机过程推断和预测
62立方米 从空间过程推断
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Bevilacqua M,Gaetan C,Mateu J,Porcu E(2012)《大数据集的空间和时空协方差函数估计:加权复合似然法》。美国统计协会期刊107(497):268-280·Zbl 1261.62088号 ·doi:10.1080/01621459.2011.646928
[2] Bilonick RA(1985)美国东北部硫酸盐沉积的时空分布。Atmos Environ(1967)19(11):1829-1845·doi:10.1016/0004-6981(85)90009-5
[3] Bivand R、Keitt T、Rowlingson B(2015)rgdal:地理空间数据抽象库的绑定。R统计计算基金会,维也纳
[4] Bocquet M、Elbern H、Eskes H、Hirtl M、Zabkar R、Carmichael G、Flemming J、Inness A、Pagowski M、Pérez Camaño J等人(2015)《大气化学模型中的数据同化:耦合化学气象模型的现状和未来展望》。Atmos化学物理15(10):5325-5358·doi:10.5194/acp-15-5325-2015
[5] Brockwell PJ,Davis RA(1991)《时间序列:理论和方法》,第2版。纽约州施普林格·Zbl 0709.62080号 ·doi:10.1007/978-1-4419-0320-4
[6] Brown PJ,Le ND,Zidek JV(1994),多变量空间插值和大气污染物暴露。加拿大统计局22(4):489-509·Zbl 0817.62043号 ·数字对象标识代码:10.2307/3315406
[7] Broyden CG(1969)一种新的双秩最小化算法。非美国数学Soc 16:670
[8] Cameletti M,Lindgren F,Simpson D,Rue H(2013)通过spde方法对颗粒物浓度进行时空建模。AStA先进统计分析97(2):109-131·Zbl 1443.62401号 ·doi:10.1007/s10182-012-0196-3
[9] Carroll SS,Cressie N(1997)使用从空间和地貌属性估计的协变量对雪水当量进行空间建模。《水文学杂志》(Amst)190(1):42-59·doi:10.1016/S0022-1694(96)03062-4
[10] Chan NH,Palma W(1998)长记忆过程的状态空间建模。Ann Stat 26(2):719-740·Zbl 0929.62091号 ·doi:10.1214/aos/1028144856
[11] Cressie N,Wikle CK(2011)时空数据统计。纽约威利·Zbl 1273.62017年
[12] Daley D,Porcu E(2014),《维度行走和schoenberg光谱测量》。《美国数学与社会》142(5):1813-1824·Zbl 1343.62085号 ·doi:10.1090/S0002-9939-2014-11894-6
[13] Durbin J,Koopman SJ(2012)状态空间方法的时间序列分析。牛津统计科学系列第38位。牛津大学出版社·Zbl 1270.62120号
[14] Eynon B,Switzer P(1983)降雨酸度的变化。Can J统计11:11-24·数字对象标识代码:10.2307/3314707
[15] Fasso A、Cameletti M、Nicolis O(2007)《使用异质网络的空气质量监测》。环境计量学18(3):245-264·doi:10.1002/env.837
[16] Ferreira G,Rodríguez A,Lagos B(2013)局部平稳误差回归模型的卡尔曼滤波估计。计算机统计数据分析62:52-69·Zbl 1348.62133号 ·doi:10.1016/j.csda.2013.01.005
[17] Fletcher R(1970)可变度量方法的新方法。计算J 13:317-322·Zbl 0207.17402号 ·doi:10.1093/comjnl/13.3317
[18] Gneiting T(2002)时空数据的不可分离平稳协方差函数。美国统计学会杂志97(458):590-600·兹比尔1073.62593 ·doi:10.1198/016214502760047113
[19] Goldfarb D(1970)通过变分平均推导出的一系列可变度量方法。数学计算24:23-26·Zbl 0196.18002号 ·doi:10.1090/S0025-5718-1970-0258249-6
[20] Guyon X(1995)《网络上的随机域:建模、统计和应用》。纽约州施普林格·Zbl 0839.60003号
[21] Handcock MS,Wallis JR(1994)《气象场统计时空建模方法》。美国统计协会杂志89(426):368-378·Zbl 0798.62109号 ·doi:10.1080/01621459.1994.10476754
[22] Hannan EJ,Deistler M(1988)线性系统的统计理论。纽约威利·Zbl 0641.93002号
[23] Harvey AC(1989)预测结构时间序列和卡尔曼滤波器。剑桥大学出版社
[24] Haslett J,Raftery AE(1989)《长记忆依赖性的时空建模:评估爱尔兰的风力资源》。J R Stat Soc C申请38(1):1-50
[25] Huang H-C,Cressie N(1996)使用卡尔曼滤波器对雪水当量进行时空预测。计算统计数据分析22(2):159-175·doi:10.1016/0167-9473(95)00047-X
[26] Hughes JP、Guttorp P、Charles SP(1999)降水发生的非齐次隐马尔可夫模型。J R Stat Soc C申请48(1):15-30·Zbl 0920.62141号 ·doi:10.1111/1467-9876.00136
[27] Ippoliti L(2001)通过广义时空自回归模型的状态空间表示进行在线时空预测。Metron国际J统计LIX:157-169·兹比尔0996.62088
[28] Jun M,Stein ML(2008)全球数据的非平稳协方差模型。应用统计年鉴2(4):1271-1289·Zbl 1168.62381号 ·doi:10.1214/08-AOAS183
[29] Kokoszka PS,Taqqu MS(1995)分数arima,具有稳定的创新。Stoch Proc应用程序60(1):19-47·Zbl 0846.62066号 ·doi:10.1016/0304-4149(95)00034-8
[30] Li B,Genton MG,Sherman M(2008)关于样本时空协方差估计量的渐近联合分布。伯努利14(1):228-248·Zbl 1155.62010号 ·文件编号:10.3150/07-BEJ6196
[31] Mardia KV、Goodall C、Redfern EJ、Alonso FJ(1998)《克里格卡尔曼滤波器》。测试7(2):217-282·Zbl 0935.62107号 ·doi:10.1007/BF02565111
[32] Matérn B(1986)《空间变化》,统计学课堂讲稿第36卷。柏林施普林格·Zbl 0608.62122号
[33] Mikosch T,Gadrich T,Kluppelberg C,Adler RJ(1995)具有无穷方差创新的arma模型的参数估计。Ann Stat 23(1):305-326·Zbl 0822.62076号 ·doi:10.1214/aos/1176324469
[34] Militino A,Ugarte M,Goicoa T,Genton M(2015)使用时空模型和聚类法插值日降雨量。国际气候杂志35(7):1453-1464·doi:10.1002/joc.4068网址
[35] Oehlert GW(1993)硫酸盐湿沉降的区域趋势。美国统计协会杂志88(422):390-399·doi:10.1080/01621459.1993.10476288
[36] Palma W(2007)长记忆时间序列:理论和方法。概率统计中的威利级数。霍博肯·威利·Zbl 1183.62153号 ·数字对象标识代码:10.1002/9780470131466
[37] Palma W,Olea R,Ferreira G(2013)局部平稳过程的估计和预测。J预测32(1):86-96·Zbl 1397.62319号 ·doi:10.1002/用于1259
[38] 彭瑞德,德列夫J(2002)《关于……的介绍》。C接口到R.UCLA、学术技术服务、统计咨询组·Zbl 1114.62367号
[39] Porcu E,Bevilacqua M,Genton MG(2015)球面上大圆距离的时空协方差和互协方差函数。美国国家统计协会doi:10.1080/016214529.2015.1072541·doi:10.1080/01621459.2015.1072541
[40] R核心团队(2017)R:统计计算的语言和环境。R统计计算基金会,维也纳
[41] Rao SS(2008)具有位置相关参数的时空模型的统计分析和空间平稳性测试。《时间序列分析杂志》29(4):673-694·Zbl 1199.62017号 ·文件编号:10.1111/j.1467-9892.2008.00577.x
[42] Stein ML(2005)时空协方差函数。美国统计协会期刊100(469):310-321·Zbl 1117.62431号 ·doi:10.1198/016214500000854
[43] Stroud JR、Stein ML、Lesht BM、Schwab DJ、Beletsky D(2010)卫星数据同化的集合卡尔曼滤波器和平滑器。美国统计协会杂志105(491):978-990·Zbl 1390.62329号 ·doi:10.1198/jasa.2010.ap07636
[44] Waller LA,Carlin BP,Xia H,Gelfand AE(1997)疾病率的层次时空映射。美国统计协会杂志92(438):607-617·Zbl 0889.62094号 ·doi:10.1080/01621459.1997.10474012
[45] Wikle CK(2003)环境科学中的层次模型。国际统计版次71(2):181-199·Zbl 1114.62367号 ·doi:10.1111/j.1751-5823.003.tb00192.x
[46] Wikle CK,Cressie N(1999)时空卡尔曼滤波的降维方法。生物特征86(4):815-829·兹伯利0942.62114 ·doi:10.1093/biomet/86.4.815
[47] Wikle CK、Berliner LM、Cressie N(1998)层次贝叶斯时空模型。环境经济统计5(2):117-154·doi:10.1023/A:1009662704779
[48] Xu K,Wikle CK(2007)参数化时空动态模型的估计。J Stat Plan推断137(2):567-588·兹比尔1102.62104 ·doi:10.1016/j.jspi.2005.12.005
[49] Zes D(2014)《利用自适应最小二乘法和卡尔曼滤波器进行简单时空建模和预测》。《环境统计杂志》6(1)。http://jes.stat.ucla.edu/v06/i01
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。