R语言实战应用精讲50篇（二十二）-时空数据统计模型-时空克里格法（Spatial-Temporal Kriging）

本文的主要目标：

• R语言实现时空克里格法（Spatio-Temporal Kriging）

• 通用时空克里格法预测结果绘图

• 通用时空克里格法预测标准差结果绘图

尽管时间是一维向前的，但回顾一段时期内目标观测的变化也是很有价值的。我们可以用空间-时间均值和协方差函数来描述空间和时间的相互作用，而不必致力于建立一个动态表达相互作用的机械模型。

在本中我们使用"描述性"方法的时空模型。我们明确区分了数据和代表测量所依据的现实世界过程的基本潜在过程( the underlying latent process that represents the real-world process upon which measurements were taken)。也就是说，我们需要进行有条件地思考。我们考虑了:

• 条件分布为高斯的数据模型

• 条件分布为非高斯的数据模型

在这两种情况下，我们都以一个潜在的高斯时空过程为条件。

对于潜在的高斯时空过程，我们考虑用外生协变量（包括空间或时间位置的函数）来指定一阶（平均）结构，用时空协方差函数来指定二阶依赖。我们讨论了与静止性 stationarity、分离性separability和完全对称性full symmetry有关的此类模型的各种假设。

这类表示法非常适合于这样的问题：没有太多的观测数据或想要预测的时间和空间位置。通常我们关注并可以较轻松的知道依赖结构&#

文章来源: wenyusuran.blog.csdn.net，作者：文宇肃然，版权归原作者所有，如需转载，请联系作者。

原文链接：wenyusuran.blog.csdn.net/article/details/121849081