贝叶斯模型-数据合成及其在全球冰川均衡调整中的应用
应用统计
2018-05-01 v2 其他统计学
摘要
我们引入了一种基于贝叶斯层次建模的模型-数据合成方法来更新大规模地理空间过程。两大主要挑战来自更新大规模高斯过程与建模非平稳性。针对第一个，我们采用 SPDE 方法，该方法使用稀疏高斯马尔可夫随机场（GMRF）近似来降低计算成本，并通过 INLA 方法实现贝叶斯推断。对于非平稳全球过程，我们提出了两个适应常见地理空间问题的通用模型。最后，我们展示了使用 GPS 测量更新全球冰川均衡调整（GIA）估计的实例。
引用
@article{arxiv.1804.06285,
title = {Bayesian model-data synthesis with an application to global Glacio-Isostatic Adjustment},
author = {Zhe Sha and Jonathan Rougier and Maike Schumacher and Jonathan Bamber},
journal= {arXiv preprint arXiv:1804.06285},
year = {2018}
}