书城首页 › 当代·外国·世界 › 大规模广义加性模型的统计计算:以英国黑烟数据的时空建模为例(英文版)
当代·外国·世界

大规模广义加性模型的统计计算:以英国黑烟数据的时空建模为例(英文版)

正版保障多仓发货48小时内发货2-3天送达可开发票
¥36.35 定价 ¥59.00 6.2折 立省 ¥22.65
现货库存 8 件 全新
商品参数
书名
大规模广义加性模型的统计计算:以英国黑烟数据的时空建模为例(英文版)
作者
李哲源 著
出版社
河南大学出版社
出版时间
2024-10-01
ISBN
9787564961145
货号
1204504699
品相
全新
分类
当代·外国·世界
购物车(0)
商品参数
书名
大规模广义加性模型的统计计算:以英国黑烟数据的时空建模为例(英文版)
作者
李哲源 著
出版社
河南大学出版社
出版时间
2024-10-01
ISBN
9787564961145
货号
1204504699
品相
全新
分类
当代·外国·世界
作者简介▼

李哲源,河南大学数学与应用数学学士,英国布里斯托大学统计学硕士,英国巴斯大学统计学博士,加拿大西蒙菲莎大学博士后,河南大学副教授;曾获2011年第七届中国青少年科技创新奖(本科组)、全国大学生英语竞赛C组特等奖、美国大学生数学建模竞赛一等奖、英国博士生(海外)全额奖学金;关注广义加性模型、混合效应模型的统计计算问题,以及这些方法在生态环境、自然地理、公共卫生和健康领域的应用;主持完成国家自然科学基金青年项目一项,2023年入选教育部首批博士后海外引进人才;在Journal of the American Statistical Association、Statistics and Computing、BMC Medical Research Methodology、Science of the Total Environment等国际知名期刊上发表文章6篇;在CRAN和GitHub上开发有gps、psme等4个R包。

目录▼

Chapter 1 Introduction

1.1 Generalized additive models (GAMs) and mgcv

1.2 Black Smoke (BS) in the UK

1.3 Daily log Black Smoke (logBS) Dataset

1.4 The Network for Black Smoke monitoring

1.5 Previous modelling of log Black Smoke

1.6 Regression computing for large datasets

1.7 Integrated nested Laplace approximation (INLA)

1.8 About this book

1.9 Notations and abbreviations

Chapter 2 Penalized regression splines and additive models

2.1 Penalized cubic regression spline

2.2 Penalized thin-plate regression spline

2.3 Penalized tensor product regression spline

2.4 Canonical form of penalized regression splines

2.5 Bayesian interpretation of smoothing

2.6 Smoothness selection via REML

2.7 Additive models

Chapter 3 Additive models in practice: Simulated examples

3.1 Classic example with independent errors

3.2 Time series example with AR(1) errors

3.3 Visualization of a tensor product spline

3.4 Model checking

3.5 Summary

Chapter 4 Preliminary modelling of log Black Smoke (logBS)

4.1 Daily logBS at Manchester 11

4.2 Motivating spatial-temporal models

4.3 Spatial-temporal model of yearly mean logBS

4.4 Spatial-temporal model of daily logBS in 1967

4.5 Summary

Chapter 5 GAM computation for large datasets: A review

5.1 Preliminaries on matrix computations

5.2 Model matrix reduction for additive models

5.3 REML estimation for additive models

5.4 Estimating GAMs via performance iteration

5.5 Summary

Chapter 6 Optimizing GAM computations for HPC

6.1 Improving existing computational engine

6.2 Using optimized BLAS for HPC

……

9.4 Experimenting BAMBOOS on daily logBS model

9.5 Summary

Chapter 10 Spatial-temporal modelling of the UKs daily logBS

10.1 Daily logBS model

10.2 Modelling results

10.3 Spatial-temporal prediction

10.4 Bias of spatial-temporal prediction

Chapter 11 Discussion

11.1 Big sparse GAMs

11.2 Suppressing spatial-temporal extrapolation

Appendix A Hardware information

Appendix B Simulations on spatial-temporal prediction bias

Bibliography

文摘▼

广义加性模型(Generalized Additive Models,简称GAMs)是一类重要的统计模型。它假设一系列变量的非线性函数之和可以解释和预测另一个人们感兴趣的变量,并被广泛应用于生态环境、自然地理、医学、公共卫生和健康、心理学等科学领域的数据分析。

黑烟(Black Smoke)是英国工业革命造成的空气污染现象之一,比当今人们熟知的PM₂.₅和PM₁₀直径都大,大致对应PM₁₈。它是1952年伦敦毒雾事件的罪魁祸首,也促使英国通过了空气清洁法案,建立了世界上第一个国家级空气污染监测网络——黑烟和二氧化硫监测网,并一直运营到2005年。在半个世纪的连续监测期间,不列颠岛上先后有过2874个监测站点,累计记录了950万条日频黑烟浓度数据。

本书针对广义加性模型在大体量数据(Large Datasets)分析中的计算难题,在不断改进计算方法后提出了“竹林”算法(BAMBOOS),最终攻克了计算瓶颈,首次对日频黑烟数据实现了时空统计建模(Spatial-Temporal Modelling)。

¥36.35
🛒购物车