Cross-covariance functions for multivariate random fields based on latent dimensions
Cross-covariance functions for multivariate random fields based on latent dimensions
复制标题
DOI：
10.1093/biomet/asp078
复制
发表时间：
2010-03-01
期刊：
影响因子：
2.7
通讯作者：
Genton, Marc G.
中科院分区：
文献类型：
--
作者：
Apanasovich, Tatiyana V.;Genton, Marc G.
构建有效的参数跨互助功能的问题是具有挑战性的。我们提出了一种基于单变量随机字段的潜在维度和现有协方差模型的简单方法，以开发以封闭形式的跨互相关函数的灵活，可解释和计算可行的类别。我们专注于可能是不可分割的，不对称并且可以具有不同的协方差结构的时空交叉共振函数，例如每个组件中的不同平滑度参数。我们讨论了这些模型的估计，并进行了一项小型仿真研究以证明我们的方法。我们说明了我们关于加利福尼亚州的三个时空污染数据集的方法论，并证明我们的跨协方差的性能比其他竞争模型更好。
The problem of constructing valid parametric cross-covariance functions is challenging. We propose a simple methodology, based on latent dimensions and existing covariance models for univariate random fields, to develop flexible, interpretable and computationally feasible classes of cross-covariance functions in closed form. We focus on spatio-temporal cross-covariance functions that can be nonseparable, asymmetric and can have different covariance structures, for instance different smoothness parameters, in each component. We discuss estimation of these models and perform a small simulation study to demonstrate our approach. We illustrate our methodology on a trivariate spatio-temporal pollution dataset from California and demonstrate that our cross-covariance performs better than other competing models.