文献

J-GLOBAL ID：202202248404732429   整理番号：22A0551877

ハイパートーラス上のランダム場:共分散モデリングと応用【JST・京大機械翻訳】

Random fields on the hypertorus: Covariance modeling and applications

著者 (3件)： Porcu Emilio (Department of Mathematics, Khalifa University, Abu Dhabi, United Arab Emirates) ,  Porcu Emilio (Department of Computer Science and Statistics, Trinity College Dublin, Dublin 2, Ireland) ,  White Philip A. (Department of Statistics, Brigham Young University, Provo, Utah, USA)
資料名： Environmetrics  (Environmetrics)
巻： 33  号： 1  ページ： e2701  発行年： 2022年 
JST資料番号： W1949A  ISSN： 1180-4009  CODEN： ENVCEE  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,指数集合としてハイパートーラスを項として,Gauss確率場のモデル化,推論,および応用に対する包括的な理論的フレームワークを与えた。ハイパートーラスは超球の製品を通して得られる。著者らは,ハイパートーラス上のランダム場のための適切な設定として,季節性の多重源による連続時間データ,季節性または地球上の方向データ,および時間的季節性を有するグローバル空間時間的データについて展望した。ハイパートーラス上の共分散構造によるそのようなデータに対するモデリング戦略を提案した。ハイパートーラス上の共分散関数の様々なファミリーを開発し,これらの共分散関数を用いてランダム場を構築する方法を論じた。3つのデータセットに関する著者らの知見の有用性を示した。最初の例は,季節性の多重発生源を示すメキシコシティからのオゾン濃度のデータセットである。第2のデータセットは風速データセットであり,そこでは,データが毎日の季節性を示し,風向によって索引付けされる。第3の実例は,クラウドカバレッジの大域的時空データセットを考慮し,強い季節性を示した。すべての解析において,著者らは,様々な共分散構造によって指定したランダム場の予測性能を比較し,最良の予測モデルの結果を調べた。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 時間 ,  風速 ,  データ ,  風向 ,  *共分散 ,  *モデリング ,  多重化 ,  時空 ,  多重発生 ,  連続時間系 ,  予測モデル
準シソーラス用語： *確率場 ,  予測性能 ,  季節性 ,  *トーラス , 【Automatic Indexing@JST】

著者キーワード (7件)： 共分散関数 ,  循環パターン ,  Gauss過程 ,  等方性 ,  オゾン濃度 ,  ランダム場 ,  季節性

分類 (3件)： 研究開発  (SA01040R) ,  統計学  (AB08000H) ,  気圏環境汚染  (SB03020M)

タイトルに関連する用語 (4件)： ランダム場 ,  共分散 ,  モデリング ,  応用