时间演化与空间全局依赖数据的建模
统计理论
2017-06-29 v1 统计理论
摘要
过去几十年，从遥感网络到气候模式集合，内在全局且时间演化的数据集的可用性空前增加。本文提供了对时空过程统计建模技术的审视，其中空间代表我们行星的球体。特别地，我们区分(a)基于二阶矩的，和(b)实用的建模时间演化全局过程的方法。前者基于一类时空协方差函数的设定，空间为二维球面。后者基于对时空过程动力学的显式描述，即将其演化规定为过往历史的函数并加上空间依赖噪声。我们特别聚焦于方法(a)，相关文献稀少。我们提供了定义于球面乘时间上随机场的新时空协方差函数模型。也讨论了实用方法(b)，特别强调直接在球面上构建的模型，而不将球坐标投影到平面。我们呈现了一个案例研究，聚焦于分析2015年赤道亚洲野火产生的空气污染，该事件被列为当年最坏环境灾难。论文以该领域主要理论与应用研究问题清单结尾，期望统计界在未来十年投身其中。
引用
@article{arxiv.1706.09233,
title = {Modeling Temporally Evolving and Spatially Globally Dependent Data},
author = {Emilio Porcu and Alfredo Alegría and Reinhard Furrer},
journal= {arXiv preprint arXiv:1706.09233},
year = {2017}
}