R语言的贝叶斯时空数据模型

时间－空间数据（以下简称“时空数据”）是最重要的观测数据形式之一，很多科学研究的数据都以时空数据的形式得以呈现，而科学研究目的可以归结为挖掘时空数据中的规律。另一方面，贝叶斯统计学作为与传统统计学并列的方法，在现今的科学研究中占据了重要的地位，也越来越多运用于时空数据模型中。虽然，贝叶斯理论运用很多；但由于时空数据性质与普通独立数据有着很大的不同，所以贝叶斯理论在时空数据中的运用仍然是困难的。

专题一、贝叶斯理论

1.贝叶斯定理，先验与后验

2.重要值的贝叶斯估计

3.可信区间

4.模型选择

案例3：正态－正态分布的贝叶斯预测

专题二、贝叶斯计算

1.蒙特卡罗积分初步

2.重要性采样

3.吉布斯采样

4.哈密尔顿蒙特卡罗方法

5.积分嵌套拉普拉斯近似

案例4：贝叶斯计算的两个简单模型

案例5：空气污染的贝叶斯模型选择

 

专题三、基于点的时空数据模型

1.时空误差的分布

2.带有块的高斯过程

3.自回归模型

4.时空动态模型

5.基于高斯过程的时空模型

案例6：不同区域年空气污染模型及其伤害评估

案例7：降雨量的降尺度模型

案例8：叶绿素水平的趋势估计

专题四、基于点的时空贝叶斯预测

1.高斯过程的精确预测

2.自回归模型的预测

3.GPP模型的预测

4.预测模型的验证

案例9:大气臭氧水平预测

 

专题五、基于面数据的模型

1.广义线性模型

2.贝叶斯的广义线性模型

3.随机效应模型

4.时空数据的贝叶斯广义线性模型

案例10：儿童疫苗接种模型

案例11：贫困儿童趋势估计（CAR-AR模型）

特别专题、栅格数据的空间分层模型及其应用

1.空间分层及其基本原理

2.空间分层与分类的区别

3.空间分层的实际操作

4.空间分层采样方法

5.空间分层采样后的预测（插值）

案例12：基于地形及气候的空间分层模型

 

组合	选择
A类	基于R语言地理加权回归、主成份分析、判别分析等空间异质性数据分析实践技术应用
B类	R语言混合效应（多水平/层次/嵌套）模型及贝叶斯实现技术应用
C类	最新基于R语言结构方程模型分析与实践技术应用
D类	R语言生物群落数据统计分析与典型案例实践应用
E类	基于现代R语言【Tidyverse、Tidymodel】的机器学习方法
F类	R语言空间分析、模拟预测与可视化高级应用技术

 查看原文