时空和离散变量模型

机器算法验证 回归 预测 预测模型 时空 外推
2022-04-01 18:59:36

我有一种情况,我正在监视一个城镇中大约 50 个地理位置的事件,并且在每个这些地点,我正在测量某些粒子的数量(因此测量是离散的)。测量每 5 分钟进行一次,我们已经监测这些站点数月了。

现在,我感兴趣的是时空插值和外推,即能够预测这些站点的这些计数,比如未来 15 分钟在这些站点(也许也在它们附近)。

据我了解,这相当于拟合某种函数,其中输出取决于空间和时间坐标。在如何对这种离散输出和时空方面进行建模的意义上,我完全不知道如何做这样的事情。

我玩过一些时间序列分析,但它一直在预测一个连续的输出,它只是时间的函数。

有谁知道我可以用来在我的数据上尝试一些预制模型的工具包吗?我不想要最新最好的东西,即使是“简单”的模型也可以!作为第一步,我只是想看看它会对我们的数据产生什么影响。

1个回答

解决这个问题的典型方法是土地利用回归 (LUR)。

LUR 混合用于相关数据分析和时空依赖结构的方法。通常,在每个站点,有一个或多个可以在每个地理位置预测的协变量,例如靠近高速公路、季节、一天中的时间、海拔或其他特征。希望以这些因素为条件以提高预测准确性并因此降低时空依赖性。为了处理残差依赖结构,变异函数用于评估残差相关性随时间和空间的程度,这些可以估计复杂自回归协方差结构的方差分量。

有很多关于 LUR 的优秀评论文章,例如这里: https : //www.sciencedirect.com/science/article/pii/S1352231008005748 但 pubmed 将是您的指南。