.png){kind=icon}
返回
Inverse Sampling Intensity Weighting for Preferential Sampling Adjustment
.png){kind=icon}
PRE
AI
DOI：10.1007/s13253-026-00730-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
传统地质统计方法假设观测点之间及其与感兴趣的空间过程相互独立。违反此独立性假设的情况被称为优先采样（PS）。处理PS的标准方法依赖于估计复杂的共享潜变量模型，实际应用中可能较为困难。本文研究了在模型地质统计中利用逆采样强度加权（ISIW）进行PS调整的方法。ISIW是一种两阶段方法，首先估计观测点的采样强度，然后在加权似然调整中定义基于强度的权重。预测通过将调整后的参数估计值代入克里金法实现。我们提出了一种基于Vecchia近似的ISIW实现，在保持强预测精度的同时实现了计算效率的提升。有趣的是，我们发现当采样设计被误设定时，ISIW优于标准的PS方法；且参数估计的准确性与预测性能相关性较小，这引发了关于在PS条件下驱动克里金预测器最优实施的条件的问题。我们的工作强调了ISIW在直观、快速且有效的方式下调整PS的潜力。我们通过西班牙加利西亚地区苔藓生物监测数据的空间预测以及美国环保署空气质量系统网络在加利福尼亚州的PM2.5浓度数据，对这些想法进行了说明。本论文的补充材料在线提供。
Keyword:
Inverse sampling intensity weighting
ISIW
Model-based geostatistics
Preferential sampling
Kriging
Point process
期刊
J
IF:
1.1
论文数:
31
被引数:
1.6K
机构
引用论文
Asymptotic Analysis of Maximum Likelihood Estimation of Covariance Parameters for Gaussian Processes: An Introduction with Proofs高斯过程协方差参数最大似然估计的渐近分析：带证明的导论
PREAI
分享收藏分享收藏On the Effect of Covariance Function Estimation on the Accuracy of Kriging Predictors.png)
Bernoulli
OAAI
BernoulliIF0
OAAI分享收藏
查看更多内容