High‐dimensional multivariate geostatistics: A Bayesian matrix‐normal approach
High‐dimensional multivariate geostatistics: A Bayesian matrix‐normal approach
复制标题
高维多元地质统计学：贝叶斯矩阵 - 正态方法
DOI：
10.1002/env.2675
复制
发表时间：
2021
期刊：
影响因子：
1.7
通讯作者：
Finley, Andrew O.
中科院分区：
文献类型：
--
作者：
Zhang, Lu;Banerjee, Sudipto;Finley, Andrew O.
空间导向因变量的联合建模在环境科学中很常见，科学家们试图估计一组环境结果之间的关系，这些结果之间的依赖性和每个结果的空间依赖性。这种建模现在正在寻求大量的数据集，在非常大量的位置测量的变量。贝叶斯推理，虽然有吸引力的容纳不确定性，通过层次结构，可以成为计算繁重的建模海量空间数据集，因为它依赖于迭代估计算法。本文开发了一个共轭贝叶斯框架，用于分析多变量空间数据，使用分析易处理的后验分布，迭代算法。我们讨论了建模的多变量响应本身作为一个空间的过程和建模的层次模型中的一个潜在的过程之间的差异。我们说明了这些模型的计算和推理的好处，使用模拟研究和分析的植被指数数据集与空间相关的观测编号为数百万。
Joint modeling of spatially oriented dependent variables is commonplace in the environmental sciences, where scientists seek to estimate the relationships among a set of environmental outcomes accounting for dependence among these outcomes and the spatial dependence for each outcome. Such modeling is now sought for massive data sets with variables measured at a very large number of locations. Bayesian inference, while attractive for accommodating uncertainties through hierarchical structures, can become computationally onerous for modeling massive spatial data sets because of its reliance on iterative estimation algorithms. This article develops a conjugate Bayesian framework for analyzing multivariate spatial data using analytically tractable posterior distributions that obviate iterative algorithms. We discuss differences between modeling the multivariate response itself as a spatial process and that of modeling a latent process in a hierarchical model. We illustrate the computational and inferential benefits of these models using simulation studies and analysis of a vegetation index data set with spatially dependent observations numbering in the millions.
登录
查看更多内容
影响因子：
4.4
作者：
Bradley, Jonathan R.;Holan, Scott H.;Wikle, Christopher K.
通讯作者：
Wikle, Christopher K.
DOI：
10.1016/j.csda.2011.05.021
发表时间：
2011-12
期刊：
Comput. Stat. Data Anal.
影响因子：
--
作者：
Q. Ren;Sudipto Banerjee;A. Finley;J. Hodges
通讯作者：
Q. Ren;Sudipto Banerjee;A. Finley;J. Hodges
DOI：
10.1214/16-aoas931
发表时间：
2016-09
期刊：
The annals of applied statistics
影响因子：
--
作者：
Datta A;Banerjee S;Finley AO;Hamm NAS;Schaap M
通讯作者：
Schaap M
多元时空随机场的非平稳互协方差函数
影响因子：
2.3
作者：
M. L. Salvaña;M. Genton
通讯作者：
M. Genton
DOI：
10.1007/978-3-642-17086-7_3
发表时间：
2012
期刊：
--
影响因子：
--
作者：
Ying Sun;Bo Li;M. Genton
通讯作者：
Ying Sun;Bo Li;M. Genton