球面时序数据的预测动态线性模型
摘要：球面上的时间序列出现在方向统计学、组成数据分析和许多科学领域中。这类数据的模型很少，而且现有的模型存在一些限制：它们往往在计算上难以拟合，其中许多只适用于二维的圆形情况，并且它们通常基于的分布族不足以捕捉到真实数据中观察到的复杂性。此外，在球面时间序列的贝叶斯方法上也鲜有研究。为了解决这些缺点，我们提出了一种基于投影正态分布的状态空间模型，可以应用于任意维度的球面时间序列。我们描述了如何使用简单有效的吉布斯抽样算法对这个模型进行完全贝叶斯离线推断，并开发了一个拉奥-布莱克韦尔粒子滤波器来进行流式数据的在线推断。通过对风向时间序列的分析，我们展示了所提出模型在点、区间和密度预测方面优于竞争对手。
作者：John Zito and Daniel Kowal
论文ID：2308.14996
分类：Methodology
分类简称：stat.ME
提交时间：2023-08-30