Spatiotemporal prediction for log-Gaussian Cox processes
Spatiotemporal prediction for log-Gaussian Cox processes
复制标题
DOI：
10.1111/1467-9868.00315
复制
发表时间：
2001-01-01
影响因子：
5.8
通讯作者：
Diggle, PJ
中科院分区：
文献类型：
--
作者：
Brix, A;Diggle, PJ
由于地理信息系统等领域的技术发展，时空点模式数据已变得更加广泛可用。我们描述了一类柔性的时空点过程。我们的模型是Cox过程，其随机强度是一个时空Ornstein-Uhlenbeck过程。我们开发了基于矩的参数估计方法，展示了如何通过使用马尔可夫链蒙特卡罗方法预测潜在强度，并说明了我们的方法在合成数据集上的性能。
Space-time point pattern data have become more widely available as a result of technological developments In areas such as geographic information systems. We describe a flexible class of space-time point processes. Our models are Cox processes whose stochastic intensity is a space-time Ornstein-Uhlenbeck process. We develop moment-based methods of parameter estimation, show how to predict the underlying intensity by using a Markov chain Monte Carlo approach and illustrate the performance of our methods on a synthetic data set.