一种空间数据真实性评分方法的统计性质

测量含噪数据的真实性或可靠性至关重要，尤其在通过自动化系统收集信息的场景中。在最近一篇论文中，Chakraborty 等人（2019）提出了一种针对地统计数据的真实性评分技术。作者使用高质量的“参考”数据来度量变质量观测的真实性，并将真实性分数纳入其对移动传感器生成的含噪气象数据分析中，以生成环境温度过程的有效预测。本文考虑无参考数据可用的情形，因此真实性分数（记为 VS）基于观测的“局部”汇总定义。我们发展了基于 VS 的空间回归模型参数估计方法。在非平稳噪声结构及对底层空间过程的相当一般假设下，我们证明回归参数的基于 VS 的估计量是一致的。此外，我们通过分析渐近均方误差，确立了基于 VS 的估计量相对于普通最小二乘（OLS）估计量的优势。我们通过模拟说明了基于 VS 的技术的优点，并将该方法应用于宾夕法尼亚州煤 seam 中灰分质量百分比的真实数据集。