Spatial Kalman Filter for Spatio-Temporal State-Space Models
Imagineu monitorar les concentracions de contaminació de l'aire a una ciutat utilitzant una xarxa de sensors. El camp de contaminació real no s'observa enlloc però s'infereix de lectures de sensors sorolloses. El filtre de Kalman espacial tracta el camp com un estat latent que evoluciona segons dinàmiques físiques, propaga la incertesa cap endavant en el temps, i després corregeix la seva estimació quan arriben noves observacions. El resultat és una reconstrucció del camp llisa espacialment i que evoluciona en el temps, amb incertesa quantificada a cada ubicació, incloent-hi llocs sense sensors.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Cressie, N. & Wikle, C. K. (2011). Statistics for Spatio-Temporal Data. Wiley. ISBN: 978-0-471-69274-4
- Kalman, R. E. (1960). A new approach to linear filtering and prediction problems. Journal of Basic Engineering, 82(1), 35-45. DOI: 10.1115/1.3662552 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Spatial Kalman Filter for Spatio-Temporal State-Space Models. ScholarGate. https://scholargate.app/ca/bayesian/spatial-kalman-filter
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Inferència Bayesiana DinàmicaBayesià↔ compare
- Filtre de KalmanBayesià↔ compare
- Filtre de partícules (Mètodes Sequencials de Monte Carlo)Bayesià↔ compare
- Monte Carlo SeqüencialBayesià↔ compare
- Inferència bayesiana espacialBayesià↔ compare
- MCMC espacialBayesià↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →