混合模型的 Whittle 似然及其在地下水位时间序列中的应用

了解影响地下水位的过程对于预测和应对如地下水干旱等灾害至关重要。混合模型将使用独立预测变量表达式的固定均值与具有自相关随机误差的随机部分相结合，用于地下水位时间序列中的推断、预测和填补缺失值。使用最大似然估计混合模型的参数具有高计算复杂度。对于大型数据集，这会导致实用实现中固定某些自由参数的限制性假设。在本文中，我们提出了一种使用 Whittle 似然（频域准似然）联合估计混合模型所有参数的方法。该方法对缺失数据和非高斯数据具有鲁棒性，并且能够处理更大的数据规模。我们在模拟研究和真实数据上演示了该方法的实用性，比较了最大似然法和另一种估计固定效应和随机效应参数的两阶段方法。