DAG 袋：推断时空过程中的方向依赖性
统计方法学
2024-07-30 v5
摘要
我们提出了一类非平稳过程，用于刻画点参考数据中随空间和时间变化的方向关联。我们的研究动机源于空气污染物的时空建模，其中局地风型是污染物扩散的关键决定因素，但关于盛行风向的信息可能缺失或不可靠。我们提出将一组离散的风向映射为稀疏有向无环图（DAG）中的边，以考虑整个区域内方向相关模式的不确定性。由此产生的 DAG 袋过程（BAGs）由于袋中 DAG 的稀疏性，带来了可解释的非平稳性以及对大数据集的可扩展性。我们概述了使用 BAGs 的贝叶斯层次模型，并展示了与其他最先进替代方法相比我们方法在推断与性能上的提升。我们利用 2020 年野火季期间加利福尼亚州低成本空气质量传感器的高分辨率数据分析了细颗粒物。相关 R 包已在 GitHub 上提供。
引用
@article{arxiv.2112.11870,
title = {Bag of DAGs: Inferring Directional Dependence in Spatiotemporal Processes},
author = {Bora Jin and Michele Peruzzi and David Dunson},
journal= {arXiv preprint arXiv:2112.11870},
year = {2024}
}