Traffic prediction at signalised intersections using Integrated Nested Laplace Approximation
贝叶斯方法预测信号交叉口的交通流被认为是使用的INLA框架。INLA是一种确定性的，计算效率高的替代MCMC估计后验分布。它被设计用于参数遵循联合高斯分布的潜在高斯模型。从LGM自然演化的假设是高斯马尔可夫随机场（GMRF）的假设。可以证明，基于空间和时间的流量预测模型满足这一假设，因此，当模型中包括空间、时间和其他相关协变量时，INLA算法提供准确的预测。
2021-07-08 stat.AP
A Statistical Introduction to Template Model Builder: A Flexible Tool for Spatial Modeling
集成嵌套拉普拉斯近似（INLA）是一种著名的和流行的空间建模技术，在R-INLA软件包中具有用户友好的界面。不幸的是，只有某一类潜在的高斯模型适合与INLA。在本文中，我们描述了模板模型生成器（TMB），现有的技术，非常适合于拟合复杂的时空模型。TMB对于空间统计学社区来说是相对未知的，但它是一种高度灵活的随机效应建模工具，允许用户通过简单的C++模板定义复杂的随机效应模型。在对比了TMB与INLA背后的方法之后，我们提供了一个大规模的模拟研究，评估和比较R-INLA和TMB的连续空间模型，通过随机偏微分方程（SPDE）近似拟合。结果表明，即使固定或随机效应的TMB估计值可能比R-INLA的偏倚略大，但在大多数情况下，两种方法的预测场具有可比性。我们还提出了一个较小的离散空间模拟研究，这两种方法都表现良好。最后，我们使用联合模型分析了乳腺癌发病率和死亡率数据，该模型不能与INLA拟合。
2021-03-17 stat.CO stat.ME
Iterated INLA for State and Parameter Estimation in Nonlinear Dynamical Systems
Centre for Artificial Intelligence（人工智能中心）；University College London（伦敦大学学院）；Department of Computing and Mathematical Sciences（计算与数学科学系）；California Institute of Technology（加州理工学院）
本文提出一种基于迭代线性化动力模型并结合INLA方法的数据同化新方法，用于非线性动力系统的状态与参数估计，在保持可解释性的同时提升了预测准确性与鲁棒性。
2024-06-03 cs.LG stat.ML
Efficient Reconstructions of Common Era Climate via Integrated Nested Laplace Approximations
公元1- 2000年的古气候重建为最近的变暖趋势提供了关键背景。这项工作利用集成嵌套拉普拉斯近似（INLA）进行推理贝叶斯分层模型下使用的数据来自三个来源：一个国家的最先进的prox数据库（PAGES 2k），表面温度观测（HadCRUT 4），和外部强迫的最新估计。INLA的计算效率允许探索几种模型公式（有或没有强迫，明确建模内部变异性或没有），以及五个数据减少技术。两个不同的验证练习发现数据减少选择的影响很小，但对模型选择的影响很大，两个模型的最佳结果，包括外部强迫。这些模型证实，人为的温室气体排放是共同时代温度变化的最大贡献者，其次是火山强迫。太阳的影响几乎为零。INLA提供了一种有效的方法来估计后验均值，与昂贵得多的蒙特卡罗马尔可夫链过程相比，但具有更宽的不确定性范围。我们建议使用它来探索模型设计，但完整的MCMC解决方案应用于适当的不确定性量化。
2019-02-07 stat.AP
Data Fusion in a Two-stage Spatio-Temporal Model using the INLA-SPDE Approach
本文提出了一个两阶段的估计方法的空间失调的情况下，是由流行病学问题的污染物暴露和健康结果的联系。我们使用集成嵌套拉普拉斯近似方法来估计两阶段的时空模型的参数，第一阶段模型的暴露，而第二阶段链接的健康结果暴露。第一阶段是基于贝叶斯融合模型，它假设一个共同的潜在领域的地质统计监测数据和高分辨率的数据，如卫星数据。第二阶段使用估计的潜在场的空间平均值以及附加的空间和时间随机效应来拟合GLMM。从第一阶段的不确定性占通过反复模拟从后验预测分布的潜场。进行了模拟研究，以评估监测器上的数据的稀疏性的影响，时间点的数量，以及在偏差，RMSE和参数的覆盖概率和块级暴露估计方面的先验规范。结果表明，参数估计基本正确，但潜场参数估计存在困难。该方法在估计块级暴露和暴露对健康结果的影响方面效果很好，这是空间流行病学家和卫生政策制定者感兴趣的主要参数，即使使用非信息先验。
2022-07-20 stat.ME
Integrated Nested Laplace Approximation for Bayesian Nonparametric Phylodynamics
群体动态学是群体遗传学和群体遗传学的交叉领域，其目标是从遗传数据中重建群体大小动态。最近，一系列的非参数贝叶斯方法已经提出了这样的人口重建。这些方法依赖于基于高斯过程的先验规范，并通过马尔可夫链蒙特卡罗（MCMC）方法近似种群大小轨迹的后验分布来进行。在本文中，我们采用集成嵌套拉普拉斯近似（INLA），最近提出的近似贝叶斯推断的潜在高斯模型，人口规模的轨迹估计。我们表明，当一个家谱的采样个人可以可靠地估计从遗传数据，INLA享有高精度，可以完全取代MCMC。我们证明了显着的计算效率超过国家的最先进的MCMC方法。我们说明了INLA为基础的人口规模推断使用模拟和家谱的丙型肝炎和人类流感病毒。
2012-10-16 q-bio.PE stat.AP
A Bayesian INLA-SPDE Approach to Spatio-Temporal Point-Grid Fusion with Change-of-Support and Misaligned Covariates
School of Mathematics and Statistics, University of Glasgow（格拉斯哥大学数学与统计学院）
针对不同空间支持下的点数据与格点数据融合问题，提出基于Matérn-SPDE先验潜在高斯场的时空框架，结合INLA-SPDE方法实现快速推理预测，解决支持变化与协变量错位，在模拟和土壤湿度制图中证明其优于单源模型。
2025-11-18 stat.ME
Computing with R-INLA: Accuracy and reproducibility with implications for the analysis of COVID-19 data
用于分析医疗数据的统计方法变得越来越复杂。新的统计方法越来越依赖于模拟研究来评估其有效性。这种评估通常出现在统计或计算期刊上，然后通过教程将方法介绍给医学界。如果应用研究人员在未经评估的环境中使用这些方法，这可能会产生问题。在本文中，我们探讨了一种在2019年冠状病毒病（COVID-19）数据分析中流行的方法的案例研究。在R-INLA软件包中实现的集成嵌套拉普拉斯近似（INLA）近似了从完全贝叶斯分析中获得的目标参数的边缘后验分布。我们试图回答一个重要的问题：关于INLA近似值准确性的现有研究是否支持研究人员目前如何使用它来分析COVID-19数据？我们确定了评估INLA准确性的三个限制：1）准确性的定义不一致，2）缺乏验证研究人员实际使用INLA的研究，3）缺乏对INLA输出的可重复性的研究。我们根据COVID-19研究中使用的模型和数据进行模拟研究，探索每个限制的实际影响。我们的研究结果表明，现有的评估INLA技术准确性的方法可能不支持COVID-19研究人员如何使用它。在我们的研究结果的部分指导下，我们为研究人员使用主要通过模拟研究验证的统计方法学提供了一套建议的最低指导原则。
2021-11-01 stat.AP
Designing a Bayesian adaptive clinical trial to evaluate novel mechanical ventilation strategies in acute respiratory failure using Integrated Nested Laplace Approximations
本研究利用INLA算法设计贝叶斯自适应试验，通过大量模拟优化急性呼吸衰竭机械通气策略的试验参数，在保证I类错误和功效的前提下确定了最佳试验设计。
2023-03-31 stat.AP
Distributed and recursive Bayesian inference for Big Data and complex spatio-temporal models
Swiss Ornithological Institute（瑞士鸟类研究所）；King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）
针对计量经济学等领域数据带来的挑战，引入基于INLA方法、用R-INLA软件实现的分布式递归推理贝叶斯框架，通过分区降低计算复杂度，经案例研究验证其有效性，为现代贝叶斯推理提供实用工具。
2026-07-28 stat.ME
Spatio-temporal modelling of $\text{PM}_{10}$ daily concentrations in Italy using the SPDE approach
本文说明了一个时空插值过程的主要结果$\text{PM}_{10}$浓度在日常分辨率使用一组410个监测站点，分布在整个意大利领土，为2015年。插值过程是基于贝叶斯分层模型，其中的空间分量表示通过随机偏微分方程（SPDE）的方法与滞后1时间自回归分量（AR 1）。通过集成嵌套拉普拉斯近似（INLA）进行推断。我们的模型包括11个空间和时空预测因子，包括气象变量和气溶胶光学厚度。由于预测因素的影响在不同月份有所不同，回归基于12个月模型，具有相同的协变量集。预测模型的性能进行了分析，使用交叉验证研究。结果表明，预测值与实测值符合良好（相关范围：0.79 - 0.91;偏差：0.22 - 1.07 $μ\text{g}/\text{m}^3$ ; RMSE：4.9 - 13.9 $μ\text{g}/\text{m}^3$）。该模型的最终输出是一组365网格（1公里$\times$ 1公里）每天$\text{PM}_{10}$地图在意大利配备了不确定性措施。空间预测性能表明，插值过程是能够再现大规模的数据功能，而不现实的工件在生成的$\text{PM}_{10}$表面。本文还提出了两个说明性的例子，我们的模型的实际应用，曝光概率和人口暴露地图。
2020-09-22 stat.AP
Using Integrated Nested Laplace Approximation for Modeling Spatial Healthcare Utilization
近年来，空间和时空建模已成为许多领域（流行病学，环境研究，疾病地图）的重要研究领域。在这项工作中，我们提出了不同的空间模型来研究医院招聘，包括一些潜在的解释变量。感兴趣的是每个地理单元的分布，即居住在该地理单元的患者人数与同一地理单元的人口之间的比例。模型考虑的框架内的贝叶斯潜在高斯模型。我们的响应变量假设遵循具有logit链接的二项分布，其参数是地理单元中的人群和相应的相对风险。结构化加性预测因子以加性方式解释各种协变量的效应，包括协变量的平滑函数（例如空间效应），协变量的线性效应。为了近似后边缘，这不是在封闭的形式，我们使用集成嵌套拉普拉斯近似（INLA），最近提出的近似贝叶斯推断在潜在的高斯模型。INLA的优点是给出非常精确的近似值，并且当参数的数量不超过6时（就像我们的情况一样），比McMC方法更快。使用DIC标准评估模型比较。
2010-06-18 stat.AP stat.ME
Spatio-temporal Shared-Field Modeling of Beluga and Bowhead Whale Sightings Using a Joint Marked Log-Gaussian Cox Process
Virginia Commonwealth University（弗吉尼亚联邦大学）
本文提出了一种联合标记Log-Gaussian Cox过程模型，用于分析Beluga和Bowhead鲸在北极的时空分布及群大小，通过共享空间场捕捉物种共性并考虑环境因素影响。
2025-12-06 stat.AP
A Data Fusion Model for Meteorological Data using the INLA-SPDE method
本文提出一种基于INLA-SPDE的气象数据融合模型，结合稀疏气象站与数值天气预报数据，通过贝叶斯模型平均方法进行推断，有效解决了观测数据稀疏问题并提升了预测准确性。
2025-01-30 stat.AP
Fast and flexible inference for joint models of multivariate longitudinal and survival data using Integrated Nested Laplace Approximations
本文提出基于R-INLA的贝叶斯近似方法，加速多元纵向与生存数据联合模型的推断，减少计算负担和估计变异性，并成功应用于原发性胆汁性胆管炎临床试验中的多标记竞争风险分析。
2023-07-12 stat.AP stat.CO stat.ME
Real-Time Robotic Search using Hierarchical Spatial Point Processes
Kotte Consulting AB；Stockholm University（斯德哥尔摩大学）
空中机器人在协助大面积搜索和救援（SAR）工作方面具有巨大的潜力。传统的方法通常是彻底搜索一个地区，从而忽略了受害者的密度因地形、人口密度和灾害类型等可预测因素而异。我们提出了一个概率模型，自动SAR规划，明确的预期发现时间最小化。所提出的模型是一个分层的空间点过程，具有三个相互作用的空间场，i）该区域中的人的点模式，ii）检测人的概率和iii）受伤的概率。这种结构允许包含来自例如地理或手机流量数据的信息先验，而当先验丢失或不准确时，则返回到潜在高斯过程。为了实时的【形】解决这个问题，我们提出了一个快速的近似推理使用集成嵌套拉普拉斯近似（INLA），和一个新的蒙特卡罗树搜索量身定制的问题相结合。使用真实世界GIS地图模拟数据的实验表明，该框架优于传统的搜索策略，并在关键的最初几个小时内发现多达十倍的受伤者。
2019-03-25 cs.RO stat.AP
Estimating velocities of infectious disease spread through spatio-temporal log-Gaussian Cox point processes
King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）；Universitat Jaume I（海梅一世大学）
本文提出利用时空对数高斯协方差点过程估计传染病传播速度，通过贝叶斯推断和有限差分法分析新冠状病毒在哥伦比亚卡利市的传播情况。
2025-12-21 stat.AP stat.ME
A spatio-temporal block aggregation model for latent log Gaussian outcomes: application on modelling wastewater virus concentration in Wales
Imperial College London（帝国理工学院）；Lancaster University（兰卡斯特大学）；Northumbria University（诺森比亚大学）；UK Health Security Agency（英国卫生安全局）；Public Health Wales（威尔士公共卫生局）；Bangor University（班戈大学）
本研究针对废水监测数据的块聚合问题，提出潜在对数高斯结果的时空块聚合模型，采用INLA方法推断，应用于威尔士47个集水区的新冠病毒建模，证实其预测性能良好且与阳性率强相关，为公共卫生监测提供新方法。
2026-08-28 stat.AP
Point process-based modeling of multiple debris flow landslides using INLA: an application to the 2009 Messina disaster
我们开发了一个随机建模方法的基础上收集的约5000个滑坡事件引起的降水触发在意大利西西里岛的对数高斯Cox型的空间点过程。通过嵌入到多层贝叶斯估计框架中，我们可以使用集成嵌套拉普拉斯近似方法进行推理并获得后验估计。在滑坡预测研究中，几个制图单元可用于划分给定的研究区域。这些单位分层细分的地理空间，从最高的网格为基础的分辨率更强的形态动力导向的斜坡单位。在这里，我们将这两个映射单元到一个单一的层次模型，通过处理的滑坡触发位置作为一个随机点模式。这种方法从根本上偏离了一致使用的存在-不存在结构的面积单位，因为我们专注于建模的预期滑坡计数联合在两个映射单元。与传统的基于相对概率的敏感性制图方法相比，预测这种滑坡强度提供了更详细和完整的信息。为了说明该模型的通用性，我们计算滑坡发生的绝对概率图，并检查其在空间上的预测能力。虽然滑坡社区通常只在协变量空间分布的意义上产生空间预测模型的滑坡，没有实际的空间依赖性已明确集成到目前为止的滑坡易感性。我们的新方法具有在斜率单位水平上定义的空间潜在效应，使我们能够评估模型中协变量无法解释的空间影响。
2017-08-10 stat.AP
Fast spatial simulation of extreme high-resolution radar precipitation data using INLA
本文提出基于INLA的高维空间降水极值建模与快速模拟方法，结合潜高斯模型刻画尾部相依和边际分布，并在挪威中部高分辨率雷达数据上验证了其高效性与准确性。
2024-09-30 stat.AP stat.ME
Estimating the Expected Value of Partial Perfect Information in Health Economic Evaluations using Integrated Nested Laplace Approximation
完全部分信息期望值（EVPPI）是一种决策理论，主要用于卫生经济决策中的参数不确定性的“成本”。尽管有这种决策理论基础，但在实践中对EVPPI计算的采用一直很缓慢。这部分是由于通过蒙特卡罗模拟估计EVPPI所需的计算时间过高。然而，最近的发展表明，EVPPI可以通过非参数回归方法来估计，这大大减少了近似EVPPI所需的计算时间。在某些情况下，建议使用高维高斯过程回归，但这仍然是非常昂贵的。应用空间统计学中开发的快速计算方法，使用集成嵌套拉普拉斯近似（INLA），并从高维投影到低维输入空间，使我们能够减少拟合这些高维高斯过程的计算时间，通常是显着的。我们表明，使用我们的高斯过程回归的方法计算的EVPPI是符合标准的高斯过程回归的方法，尽管这种新方法的明显的方法复杂性，R函数是可用的包BCEA简单，有效地实现它。
2016-11-04 stat.AP
Spatio-temporal insights for wind energy harvesting in South Africa
本文提出基于连续索引空间场和Weibull密度函数的分层贝叶斯风速模型，利用R-INLA实现近实时推断，并应用于南非沿海数据，有效捕获风速空间变化，为风电规划提供基础框架。
2023-11-27 stat.ME
A scalable approach for short-term disease forecasting in high spatial resolution areal data
本文针对高维区域数据提出一种基于“分而治之”的短期疾病预测方法，并在西班牙7907个市镇的癌症死亡率数据上验证其优于传统时空模型。
2023-03-29 stat.CO stat.ME
A geostatistical two field model that combines point observations and nested areal observations, and quantifies long-term spatial variability -- A case study of annual runoff predictions in the Voss area
在这项研究中，年径流量估计使用贝叶斯地统计模型插值的水文数据的不同空间支持。也就是说，来自集水区的径流观测（面积数据）以及降水和蒸发数据（点数据）。该模型包含一个气候空间效应，这是共同的所有研究中的年份，和一年的具体空间效应。因此，该框架能够量化由于长期天气模式和过程造成的空间变异性。这有助于更好地理解环境建模中的偏差和不确定性。通过采用集成嵌套拉普拉斯近似（INLA）和随机偏微分方程方法（SPDE）进行空间模拟，两个场模型是计算上可行的和快速的。建议的模型进行了测试，预测10年的年径流量在挪威沃斯周围，并通过模拟研究。我们发现，平均而言，我们受益于结合点和面数据相比，只使用一种数据类型，嵌套的面数据和点数据之间的相互作用，使我们超越平滑的空间模型。另一个发现是，当气候效应超过年度效应时，可以预期径流随时间的系统性低估和高估。另一方面，一个占主导地位的气候空间效应意味着，短期记录的径流，否则未测量集水区可以导致径流的可预测性大大提高。
2020-04-14 stat.AP
Comparison of new computational methods for geostatistical modelling of malaria
本研究针对疟疾地统计建模传统方法计算量大的问题，比较了四种快速地统计建模方法在不同空间尺度下的准确性、计算效率与实现难度，发现INLA和FRK扩展性好但需谨慎设置参数。
2023-05-03 stat.AP
Missing data analysis and imputation via latent Gaussian Markov random fields
在本文中，我们重铸的问题，在协变量的回归模型作为一个潜在的高斯马尔可夫随机场（GMRF）模型在一个完全贝叶斯框架。我们提出的方法是基于定义的协变量插补子模型作为一个潜在的影响与GMRF结构。我们展示了这种提法如何适用于连续协变量，并提供了一些见解如何将其扩展到分类协变量。由此产生的贝叶斯分层模型自然适合集成嵌套拉普拉斯近似（INLA）框架，我们使用模型拟合。因此，我们的工作填补了INLA方法中的一个重要空白，因为它允许处理协变量中有缺失值的模型。与任何其他完全贝叶斯框架一样，通过依赖INLA进行模型拟合，可以为数据、插补协变量及其缺失机制制定联合模型。通过这种方式，我们能够通过对不同的替代方案进行敏感性分析来对未观察到的协变量进行建模，从而解决评估缺失机制的更普遍的问题。最后，我们用两个健康风险因素建模和疾病映射的例子来说明所提出的方法。在这里，我们依赖于两种不同的插补机制的基础上，一个典型的多元线性回归和空间模型，分别。鉴于INLA模型拟合的速度，我们能够在短时间内拟合关节模型，并轻松进行敏感性分析。
2019-12-23 stat.AP stat.CO stat.ME
Bayesian Multilevel Bivariate Spatial Modelling of Italian School Data
本文使用空间贝叶斯多层回归模型结合双变量ICAR潜在效应，研究意大利高中学生能力与市镇基础设施禀赋的关系，发现基础设施和空间结构化潜在效应对解释学生成绩差异均具有显著作用。
2024-12-23 stat.AP stat.ME
Point process models for spatio-temporal distance sampling data from a large-scale survey of blue whales
距离抽样是一种广泛使用的估计野生动物种群丰度的方法。事实上，传统的距离采样方法是部分设计为基础的约束空间分辨率，动物密度可以估计使用这些方法。估计数通常在调查层一级获得。对于像蓝鲸这样的濒危物种，最好是在比地层更精细的空间尺度上估计密度和丰度。空间结构的时间变化也很重要。我们制定的过程中产生的距离采样数据作为一个稀疏的空间点过程，并提出基于模型的推理使用空间对数高斯考克斯过程。该方法采用了灵活的随机偏微分方程（SPDE）的方法来模拟密度的空间结构，这是不占解释变量，并集成嵌套拉普拉斯近似（INLA）的贝叶斯推断。它允许同时拟合检测和密度模型，并允许在任意精细尺度上预测密度。我们估计蓝鲸密度在东热带太平洋从十三船上调查进行了22年。我们发现，较高的蓝鲸密度与太空中较冷的海面温度有关，尽管密度与年平均温度之间存在一些正相关，但我们的估计与多年来的密度趋势一致。我们的分析还表明，有大量的空间结构变化的密度，这是不能解释可用的协变量。
2017-06-22 stat.ME
Joint model for longitudinal and spatio-temporal survival data
Research Center Trustworthy Data Science and Security, UA Ruhr（鲁尔大学联盟可信数据科学与安全研究中心）；Department of Statistics, TU Dortmund（多特蒙德工业大学统计系）；School of Mathematics, University of Edinburgh（爱丁堡大学数学学院）；Business School, University of Edinburgh（爱丁堡大学商学院）
针对信用风险分析中内生时变协变量与空间信息的利用问题，提出时空联合模型STJM，采用INLA方法估计，在大规模美国抵押贷款数据集上验证了空间效应对模型性能的提升作用。
2023-11-07 cs.CE cs.LG q-fin.RM
Point-process based Bayesian modeling of space-time structures of forest fire occurrences in Mediterranean France
由于气候变化和人类活动，预计野火将在全球范围内变得更加频繁和极端，造成经济和生态灾难。随机建模可以帮助部署预防措施和操作预测，有助于理解和量化控制发生强度的机制。我们在这里开发了一个点过程框架观察到的野火点火点在法国地中海盆地自1995年以来，我们适合的时空对数高斯考克斯过程与每月的时间分辨率在贝叶斯框架使用集成嵌套拉普拉斯近似（INLA）。人类活动是野火的主要直接原因，并通过一些适当定义的代理相关的土地利用协变量（城市化，道路网络）在我们的方法间接测量，我们进一步整合气候和环境条件的协变量来解释野火的发生。我们包括空间随机效应与Matérn协方差和时间自回归在年度分辨率。两个主要的方法学挑战：第一，处理和统一的多尺度结构的数据是通过计算机密集型的预处理步骤与GIS软件和克里格技术实现的;第二，基于INLA的估计与高维响应向量和潜在的模型是通过年内二次抽样，考虑到野火的发生结构。
2020-02-19 stat.AP stat.ME
A Bayesian General Linear Modeling Approach to Cortical Surface fMRI Data Analysis
皮质表面功能磁共振成像（cs-fMRI）最近越来越受欢迎，与传统的体积功能磁共振成像，因为它允许更有意义的空间平滑，更符合贝叶斯空间模型的各向同性和平稳性的共同假设。然而，由于尚未针对cs-fMRI数据提出贝叶斯空间模型，因此大多数分析继续采用经典的逐体素通用线性模型（GLM）（Worsley and Friston 1995）。在这里，我们提出了一个贝叶斯GLM CS-fMRI，它采用了一类复杂的空间过程，灵活地模拟潜在的激活字段。我们使用集成嵌套拉普拉斯近似（INLA），这是一种高度准确和高效的贝叶斯计算技术（Rue et al. 2009）。为了识别激活区域，我们提出了一种基于潜在场联合后验分布的偏移集方法，该方法消除了多重比较校正的需要。最后，我们提出了一种新的贝叶斯方法进行多学科分析，以解决现有文献中的差距。通过仿真研究和人类连接组计划的运动任务fMRI研究，验证了该方法并与经典GLM进行了比较。所提出的贝叶斯方法导致更平滑的激活估计，更准确的假阳性控制，并提高了检测真正活跃区域的能力。
2017-06-03 stat.AP
Spatiotemporal Dynamics of Conflict Occurrence and Fatalities in Ethiopia: A Bayesian Model and Predictive Insights Using Event-level Data (1997--2024)
Bahir Dar University（巴希尔达尔大学）；LUT University（拉赫蒂理工大学）；Mekdela Amba University（梅克拉阿姆巴大学）
本研究提出时空双重贝叶斯模型，利用埃塞俄比亚1997-2024年ACLED事件数据，结合固定与随机效应分析冲突死亡发生与人数，揭示时空聚集特征及风险因素，为政策规划提供依据。
2025-11-02 stat.AP
Hierarchical Bayesian Modeling of Total Column Ozone: Unraveling Equatorial Variability over Ethiopia Using Satellite Data and Multisource Covariates
本研究利用INLA贝叶斯分层模型和SPDE方法分析埃塞俄比亚2012-2022年总柱臭氧时空动态，发现模型预测准确且揭示了环境协变量的正负关联，为赤道臭氧悖论提供新见解并支持气候政策规划。
2025-07-11 stat.AP
Space-time smoothing of complex survey data: Small area estimation for child mortality
生活在低收入和中等收入国家的许多人没有被民事登记和人口动态统计系统所覆盖。因此，各种其他类型的数据，包括许多住户抽样调查，被用来估计健康和人口指标。在本文中，我们结合数据从抽样调查和人口监测系统，以产生小面积的儿童死亡率估计随着时间的推移。在无法获得全面人口动态统计数据的情况下，小地区估计数对于了解卫生指标的地理异质性是必要的。为此，时空平滑有利于缓解数据稀疏性问题。使用传统的分层模型需要仔细考虑，因为可能需要考虑调查权重，以减轻由于非随机抽样和非答复造成的偏差。推动这项工作的应用是对坦桑尼亚各地区五年期儿童死亡率的估计。数据来自1991-2010年期间进行的人口与健康调查和两个人口监测系统站点。我们推导出一个方差估计的五岁以下儿童死亡率，占复杂的调查加权。对于我们的应用程序，我们考虑的分层模型包括区域，时间和调查的随机效应，我们使用各种措施，包括条件预测纵坐标（CPO）比较模型。我们提出的方法是通过快速和准确的集成嵌套拉普拉斯近似（INLA）。
2016-01-29 stat.AP
A spatial modeling framework for monitoring surveys with different sampling protocols with a case study for bird abundance in mid-Scandinavia
我们提出了一种新的方法来模拟总丰度合并计数数据信息的调查与不同的采样协议。所提出的方法用于挪威和瑞典的国家繁殖鸟类监测计划的数据。每次普查都在每个国家按照两种不同的采样协议收集丰度数据，即这些协议提供来自四种不同采样过程的数据。建模框架假设一个共同的高斯随机场共享的观测和真实的丰度与它们之间的线性或松弛的线性关联。这些模型考虑到了每项取样协议的特殊性，包括影响每项观测过程的条款，即考虑到观测单位和可探测性的差异。贝叶斯推断使用集成嵌套拉普拉斯近似（INLA）和随机偏微分方程（SPDE）方法进行空间建模。我们还提出了一个模拟研究的基础上，从斯堪的纳维亚半岛中部的实证普查数据，以评估模型下的模型误指定的性能。最后，在我们的研究区域在斯堪的纳维亚半岛中部的鸟类的总预期丰度的地图与不确定性估计。
2022-04-07 stat.AP stat.ME
Bayesian feedback in the framework of ecological sciences
本文提出一种序贯贝叶斯反馈方法，通过INLA更新先验分布，整合科学随机采样与机会主义采样数据，发现从独立模型向偏好模型共享信息效果更优。
2024-04-24 stat.AP
Space-time smoothing models for sub-national measles routine immunization coverage estimation with complex survey data
针对亚国家级常规免疫覆盖率估计问题，提出一种利用复杂调查数据并整合补充免疫活动信息的时空平滑模型，用于尼日利亚MCV1覆盖率估计，可高效实现。
2020-07-07 stat.AP stat.ME
