Spatial Kalman Filter
ตัวกรองคาลมานเชิงพื้นที่ (spatial Kalman filter) ประยุกต์ใช้การกรองแบบคาลมาน (Kalman filtering) แบบดั้งเดิมกับแบบจำลองปริภูมิ-เวลา (spatio-temporal state-space models) โดยพิจารณาเขตข้อมูลแฝงที่กระจายตัวเชิงพื้นที่เป็นสถานะซ่อนเร้น (hidden state) ที่มีการเปลี่ยนแปลงไปตามเวลา ในแต่ละขั้นเวลา ตัวกรองจะคาดการณ์เขตข้อมูลเชิงพื้นที่ไปข้างหน้าแบบเวียนเกิด (recursively predicts) และปรับปรุงการคาดการณ์ด้วยการสังเกตการณ์เชิงพื้นที่ใหม่ (spatial observations) ทำให้ได้ค่าประมาณเชิงเส้นที่เหมาะสมที่สุด (optimal linear estimates) ของเขตข้อมูลและความไม่แน่นอน (uncertainty) ในทุกตำแหน่ง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Spatial Kalman Filter for Spatio-Temporal State-Space Models. ScholarGate. https://scholargate.app/th/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.
- การอนุมานแบบเบย์เชิงพลวัตเบย์↔ compare
- Kalman Filterเบย์↔ compare
- Particle Filter (Sequential Monte Carlo)เบย์↔ compare
- Sequential Monte Carloเบย์↔ compare
- การอนุมานเชิงพื้นที่แบบเบย์ (Spatial Bayesian Inference)เบย์↔ compare
- Spatial MCMCเบย์↔ compare