《複雜空間和時空數據的統計模型研究》是依託中國人民大學，由褚挺進擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：複雜空間和時空數據的統計模型研究
- 項目類別：青年科學基金項目
- 項目負責人：褚挺進
- 依託單位：中國人民大學
項目摘要,結題摘要,
項目摘要
近年來，越來越多的空間數據和時空數據被收集。如何建立合適的空間統計模型和時空統計模型分析這些數據，為其他學科的發展和解決當前熱點問題服務，是一個值得研究的課題。借鑑國內外最新的研究成果，本項目著重研究一些較複雜的空間數據和時空數據的統計建模和估計問題。研究將分為三個部分: 不同來源的數據的建模和估計；空間縱向數據的建模和估計；上述兩種複雜數據的計算問題。在第一部分中，我們將區分研究目標本身的空間隨機因素和測量儀器產生的誤差，並將這個區分和常用的空間模型和時空模型聯繫起來，改進已有的模型。在第二部分中，我們將引入常用的縱向數據的方法，即FPCA 方法，進行降維操作，在此基礎上，針對空間縱向數據的特點，對數據的空間相關性進行估計。第三部分中，我們側重於從選擇合適的統計模型和採用並行計算兩個方面來提高計算效率，節約計算時間。
結題摘要
項目的研究內容為空間和時空統計模型的方法, 主要側重於是對空間和時空相關性的估計，並在此基礎上提供精確的參數估計，模型預測和模型選擇。項目進一步分為三個部分： 第一部分是針對不同來源的數據的分析；第二部分為空間縱向數據分析；第三部分是對大型空間和時空數據的計算和軟體實現。 對於第一部分，本項目研究了空間數據上的不同來源的數據，提出了一個半參數的空間穩健模型，研究成果“On Semiparametric Inference of Geostatistical Models via Local Karhunen-Loeve Expansion”已經發表在Journal of the Royal Statistical Society, Series B上。另外一個工作，是關於空間數據和時空數據的模型平均方法和穩定性進行了理論研究，研究成果“A Generalized Measure of Uncertainty in Geostatistical Model Selection”已經被Statistica Sinica接收。 對於第二部分,本項目在傳統的FDA分析的基礎上，加上了空間相關性的建模和分析。採用半參數的方法，本項目提出了採用空間FDA的方法分析時空數據和空間縱向數據。研究結果“Static and Roving Sensor Data Fusion for Spatio-Temporal Hazard Mapping with Application to Occupational Exposure Assessment”已經被Annals of Applied Statistics接收。 對於項目的第三部分，上述的方法對於大型數據都提出了提高計算速度的方法。R的程式包可以在www.tingjin.weebly.com中下載，可以供其他研究者使用。
