sptimer: spatio-temporal bayesian modeling using r

sptimer: النمذجة البايزية المكانية-الزمانية باستخدام R

Clicks: 186
ID: 233656
2015
Free PDF
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Steady

Ranked #62 of 98 articles by views in open geospatial data, software and standards

Most read Least read

Bar heights use a square-root scale.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
Hierarchical Bayesian modeling of large point-referenced space-time data is increasingly becoming feasible in many environmental applications due to the recent advances in both statistical methodology and computation power. Implementation of these methods using the Markov chain Monte Carlo (MCMC) computational techniques, however, requires development of problem-specific and user-written computer code, possibly in a low-level language. This programming requirement is hindering the widespread use of the Bayesian model-based methods among practitioners and, hence there is an urgent need to develop high-level software that can analyze large data sets rich in both space and time. This paper develops the package spTimer for hierarchical Bayesian modeling of stylized environmental space-time monitoring data as a contributed software package in the R language that is fast becoming a very popular statistical computing platform. The package is able to fit, spatially and temporally predict large amounts of space-time data using three recently developed Bayesian models. The user is given control over many options regarding covariance function selection, distance calculation, prior selection and tuning of the implemented MCMC algorithms, although suitable defaults are provided. The package has many other attractive features such as on the fly transformations and an ability to spatially predict temporally aggregated summaries on the original scale, which saves the problem of storage when using MCMC methods for large datasets. A simulation example, with more than a million observations, and a real life data example are used to validate the underlying code and to illustrate the software capabilities.
باتت النمذجة البيزية الهرمية للبيانات الزمكانية الضخمة والمرجعية نقطياً مجديةً على نحو متزايد في العديد من التطبيقات البيئية، وذلك بفضل التطورات الحديثة في كل من المنهجية الإحصائية والقدرة الحاسوبية. ومع ذلك، فإن تطبيق هذه الأساليب باستخدام تقنيات سلاسل ماركوف مونت كارلو (MCMC) الحاسوبية يتطلب تطوير شيفرات برمجية مخصصة لكل مسألة يكتبها المستخدم، وغالباً ما تكون بلغة منخفضة المستوى. ويُعِيق هذا المطلب البرمجي الانتشار الواسع للأساليب القائمة على النماذج البيزية بين الممارسين، ومن ثمَّ، ثمة حاجة ملحة لتطوير برمجيات عالية المستوى قادرة على تحليل مجموعات البيانات الضخمة الغنية ببعدي المكان والزمان. تُقدِّم هذه الورقة حزمة spTimer للنمذجة البيزية الهرمية لبيانات الرصد البيئي الزمكاني النمطية، بوصفها حزمة برمجية مساهمة في لغة R التي سرعان ما أصبحت منصة واسعة الانتشار للحوسبة الإحصائية. وتتميز الحزمة بقدرتها على توفيق كميات هائلة من البيانات الزمكانية والتنبؤ بها مكانياً وزمانياً باستخدام ثلاثة نماذج بيزية طُوِّرت حديثاً. كما تُتيح للمستخدم إمكانية التحكم في خيارات متعددة تتعلق باختيار دالة التغاير، وحساب المسافة، واختيار التوزيعات القبلية، وضبط خوارزميات MCMC المُنفَّذة، مع توفير إعدادات افتراضية مناسبة. وتمتلك الحزمة العديد من المزايا الجذابة الأخرى، مثل إجراء التحويلات الفورية والقدرة على التنبؤ المكاني بالملخصات المجمعة زمنياً على المقياس الأصلي، مما يحل مشكلة سعة التخزين عند استخدام أساليب MCMC مع مجموعات البيانات الضخمة. وأخيراً، استُخدم مثال محاكاة يضم أكثر من مليون مشاهدة، إلى جانب مثال لبيانات من الواقع العملي، للتحقق من كفاءة الشيفرة البرمجية الأساسية وإبراز قدرات البرمجية.
Reference Key
bakar2015journalsptimer: Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors Khandoker Shuvo Bakar, Sujit K. Sahu
Are you one of these authors? Claim your profile
Journal open geospatial data, software and standards
Year 2015
DOI
10.18637/jss.v063.i15
URL
http://www.jstatsoft.org/index.php/jss/article/view/2230
Keywords
statistics

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.