基于惩罚样条和自回归误差的超细颗粒物数浓度贝叶斯半参数预测
应用统计
2012-09-26 v4 大气与海洋物理
数据分析、统计与概率
统计方法学
摘要
观测时间序列数据通常同时呈现循环时间趋势和自相关，还可能依赖于协变量。因此，需要能够同时捕捉这些趋势并建模残差自相关的灵活回归模型。对残差中的自相关进行建模比假设独立性能产生更现实的预测。本文中，我们提出了一种将基于样条的半参数回归建模与自回归误差建模相结合的方法。该方法应用于模拟数据集以展示其有效性，并应用于芬兰赫尔辛基的超细颗粒物数浓度以展示其在实际问题中的应用。
引用
@article{arxiv.1207.0558,
title = {Bayesian semi-parametric forecasting of ultrafine particle number concentration with penalised splines and autoregressive errors},
author = {Sam Clifford and Bjarke Mølgaard and Sama Low Choy and Jukka Corander and Kaarle Hämeri and Kerrie Mengersen and Tareq Hussein},
journal= {arXiv preprint arXiv:1207.0558},
year = {2012}
}