BME case study
这篇博客主要是记录下BME做的几个case,使用的是BMEGUI给的几个案例。关于BME和BMEGUI的理论介绍可以详细参阅我的上一篇博客,点击这里。
具体来说,首先跑的是tutorial6,然后跑的是tutorial4,通过这两个例子就可以很好掌握BMEGUI这个软件了。
1.tutorial6
首先跑的是tutorial6,这个tutorial主要讲的是Mean trend,是否去除global Mean trend对后面的方差模型和其他分析的影响。
global Mean trend可以自己设置参数来提取出数据的global trend,参数主要是设置global mean trend的光滑程度,如果很光滑,那么提取的信息是uninformative,即方差很小的,如果很不光滑,那么数据是informative,即方差是很大的。但是数据也并非越多越好,因为这里提取的越多,那么后面方差模型和BME估计可利用的信息就少了,还是需要结合情况来看。
第一次我们将时空平滑参数都设置的比较大,结果提取出的global mean trend如下图所示,可见时间和空间的平滑都是很大的,几乎是一条水平线,raw data和平滑后的data的空间分布也十分相似,这个global mean trend就只是去掉一个数据中的截距项而已。
时间维度的BME估计结果如下图所示:
上图只有有绿色线段部分是做了BME估计的,其他天就没做估计。
然后修改global mean trend的拟合参数,将平滑参数设置的非常小,也就是比较细节地去捕捉局部信息,这个得到的global mean trend方差就比较大。
得到global mean trend如下图所示:
BME估计结果如下图所示:
通过上述两个不同的全局均值平滑效果可以看到,如果全局均值平滑参数设置大,也就是平滑很强,那么后续BME估计就可以利用较多的信息,因此BME的置信区间就相对大,如果全局均值不怎么平滑,那么BME估计可利用信息也就少了,那么BME估计得到的置信区间也小,两个估计值细节方面也呈现出一定的差异。
结论
Conclusion: The degree of smoothness in the space/time global offset can be controlled by the search radius and smoothing range parameters. A very informative space/time global offset leaves too little autocorrelation in the residuals to conduct a successful geostatistical analysis of the residual field. On the other hand, a flat space/time global offset leaves a large variability in the residuals which produces a covariance model with high variance. Thus, there is a tradeoff between residual variability and autocorrelationrange, and hence one should choose a space/time global offset which capture some variability in data and leaves reasonable autocorrelation in the residuals to conduct a successful geostatistical analysis of the residual field.
2.tutorial4
这个tutorial就是一个完整的包括软硬数据的时空数据估计预测过程。
首先对数据进行聚合,每30天聚合一次,然后绘制出数据的global mean trend,结果如下,后续分析减去这个global mean trend,使用数据残差进行分析。
使用2 structure去拟合Covariance Model,得到结果如下:
时间维度拟合得极差,不知道为什么,例子中就这样过了。
之后进行BME估计,结果如下。
类似地,可以做一些时间维度的BME估计,结果如下所示:
3.其他一些疑问解释
其他我还有一些关注的东西,最主要的是我怎么去做预测,因为一个方法要评价其优劣,现在一般都是用机器学习的套路,统计学的话一般都是用R2R^2R2。
其实就可以正常划分训练集和测试集,以tutorial2为case,把tutorial2中的数据全部放进去,然后比如我想要预测t10-20,就在BME估计的时候设置时间窗为20就可以了,结果如下:图中t为10-20都是我估计的。
空间的预测也类似,BME estimation的时候空间设置的大一些就可以做空间预测了,不再详述。
BME case study相关推荐
- Case study:在数据库网页中设计数据排序工具
一.目的 该笔记的目的是引导读者在已搭建的数据库网页的基础上,利用JS设计数据排序工具.其效果如图1所示."Order by"下拉列表框由一系列字段组成,如"Locati ...
- Case Study: 利用PHP获取关系型数据库中多张数据表的数据
一.目标 该笔记的目的是引导读者借助WampServer平台和MySQL数据库,利用HTML/CSS/JS/PHP设计一个多数据表关联的网页.在上一个案例(Case Study: 利用JS实现数据库网 ...
- Case Study: 利用JS实现数据库网页的数据分页、数据选择、数据详细信息查看功能
一.目标 该笔记的目的是引导读者借助WampServer平台和MySQL数据库,利用HTML/CSS/JS/PHP设计一个能够进行实现数据分页显示.数据选择.数据详细信息查看功能的数据库网页.该数据库 ...
- Case Study: 利用JS设计高级检索功能通过PHP获取MySQL数据
一.目标 该笔记的目的是引导读者借助WampServer平台和MySQL数据库,利用HTML/CSS/JS/PHP设计一个含有高级检索功能的数据库网页.该功能效果如图1所示.用户在文本框中输入相应内容 ...
- Customer Success Case Study Library
Customer Success Case是一个比较值得借鉴的地方. Citrix社区The Connection,提供了分享企业虚拟计算的成功经验,社区的一些好处也不介绍了,复制过来: Promot ...
- FetchAI Case Study
FetchAI Case Study Background Location Contact Info Web: https://fetch.ai/ Objectives Methodologies ...
- Case Study. Technical and Commercial understating. Internal use only.
Case Study. Technical and Commercial understating. Internal use only. You're a consultant for a Tech ...
- 李宏毅机器学习课程---2、Regression - Case Study
李宏毅机器学习课程---2.Regression - Case Study 一.总结 一句话总结: 分类讨论可能是比较好的找最佳函数的方法:如果 有这样的因素存在的话 模型不够好,可能是因素没有找全 ...
- Overview of ISA and TMG Networking and ISA Networking Case Study (Part 2)
老方说:此篇文章摘自ISASERVER.ORG网站,出自Thomas Shinder达人之手.严重建议ISA爱好者看看. Published: Dec 16, 2008 Upd ...
最新文章
- R语言删除ggplot可视化图中的所有x轴轴标签实战:ggplot可视化默认包含所有x轴轴标签、删除ggplot可视化图中的所有x轴轴标签实战
- 倪光南:下一次科技革命集中在人工智能等三方面
- jsp笔记----97DatePicker日期插件简单使用
- 系统数据据结库设计理论mysql_基于JavaEE的报刊征订管理系统_JSP网站设计_MySQL数据库设计...
- ZooKeeper編程02--多線程的分佈式鎖
- 不用python爬今日头条_手把手教你从今日头条爬取你想要的任何图片
- 看完这篇你们团队的代码也很规范
- DMA流程简介--CPU/内存/网卡之间的交互
- 荣耀9X将搭载麒麟810处理器:全球四大7nm芯片之一无法低调
- codeforces 955C - Sad powers
- 整理 深入理解RunLoop
- 计算机和机械交叉学科会议期刊,机器视觉相关的研究团队
- 各种手机的UserAgent大全
- c语言抖动算法,游戏中抖动(振动)算法的实现
- 【目录】pygame网络游戏教程
- Windows 下安装sql server 2016(附安装包资源)
- Property 'typeAliasesPackage' threw exception; nested exception is java.lang.ExceptionInInitializer
- 阿里云:从“亚洲巨象”到“全球航母”
- 将海康摄像机发布萤石云指南
- 关于GitHub Education(GitHub教育认证)认证
热门文章
- 电网运行信息检索系统的设计与实现
- 暨南大学计算机专硕考英语一,2019暨南大学计算机考研初试科目、参考书目、招生人数...
- 一文带你了解国内期刊
- iPad常见问题:iPad Pro不充电怎么办
- Math.abs()不能做到的事情
- Several ports (8005, 8080, 8009) required by MyEclipse Tomcat v7.0 are already in use.
- 什么是显微镜摄像头,以及显微镜摄像头的作用
- HTML5移动端手机网站开发
- 1.Python3.6环境部署
- 关于Linux内核源代码情景分析的点点滴滴