[论文解读] Spatial Process Generation

Dirk P. Kroese, Zdravko I. Botev|arXiv (Cornell University)|Aug 2, 2013

Data Management and Algorithms参考文献 32被引用 47

一句话总结

本文提出了一套全面的框架，用于模拟空间过程，包括高斯马尔可夫随机场、点过程（泊松、复合泊松、聚类、Cox）、基于维纳过程的随机场以及Lévy片。该框架引入了基于多变量正态抽样、无限可分测度的随机积分以及基于核函数的近似方法的模拟算法，实现了对复杂空间随机模型的精确且高效生成，适用于地统计学、成像和空间建模等应用。

ABSTRACT

The generation of random spatial data on a computer is an important tool for understanding the behavior of spatial processes. In this paper we describe how to generate realizations from the main types of spatial processes, including Gaussian and Markov random fields, point processes, spatial Wiener processes, and Levy fields. Concrete MATLAB code is provided.

研究动机与目标

• 为空间统计与随机建模领域的研究人员提供主要空间过程类型及其模拟技术的统一概述。
• 解决高效生成复杂空间随机过程真实实现的挑战，特别是具有非高斯或依赖结构的过程。
• 开发实用且计算可行的算法，利用蒙特卡洛方法模拟空间过程，包括Cholesky分解和随机积分。
• 将模拟方法扩展至高斯过程之外，涵盖Lévy随机场和无限可分过程，以实现对重尾和跳跃型空间现象的建模。
• 通过提供具备收敛性理论保证的可实施模拟程序，支持地球科学、图像分析和材料科学中的应用。

提出的方法

• 使用Cholesky分解生成高斯过程的多变量正态向量，通过 $\mathbf{X} = \boldsymbol{\mu} + A\mathbf{Z}$ 确保正确的均值和协方差结构，其中 $A$ 是协方差矩阵 $\Sigma$ 的Cholesky因子。
• 通过 $\mathbf{Y} = D^\top \mathbf{Z}$ 的精度矩阵分解方法模拟高斯马尔可夫随机场，其中 $DD^\top = \Lambda = \Sigma^{-1}$，适用于大规模网格的高效计算。
• 通过随机强度测度构建空间点过程：利用独立的指数分布间隔时间模拟泊松过程，通过随机化跳跃大小模拟复合泊松过程。
• 通过先使用泊松过程模拟母点，再根据位移分布在每个母点周围生成子点，来生成聚类过程。
• 将Cox过程模拟为双重随机过程，通过使用随机场或脉冲噪声核随机化泊松过程的强度测度。
• 通过离散随机积分近似Lévy片：$X_{\mathbf{t}}^{(n)} = \sum_{i,j} \kappa_{\mathbf{t}}(i/n,j/n) \Lambda(\triangle_{ij})$，其中 $\Lambda(\triangle_{ij})$ 为独立同分布的无限可分变量，当 $n \to \infty$ 时，该近似在概率上收敛于真实过程。

实验结果

研究问题

• RQ1 如何利用矩阵分解技术高效模拟兼具高斯和马尔可夫性质的空间过程？
• RQ2 对于泊松、聚类和Cox等空间点过程，最有效的模拟策略是什么？
• RQ3 如何利用随机积分和核函数生成基于维纳过程的随机场？
• RQ4 在空间域中，离散近似收敛于连续Lévy片的条件是什么？
• RQ5 如何利用无限可分随机测度模拟具有重尾或非高斯增量的Lévy片？

主要发现

• Cholesky分解方法可精确模拟任意均值和协方差结构的有限维高斯过程。
• 利用精度矩阵和 $DD^\top = \Lambda$ 分解，可在大规模网格上高效模拟高斯马尔可夫随机场，显著降低计算复杂度。
• 采用 $\Lambda(\triangle_{ij}) \sim \text{Gamma}(\alpha |\triangle_{ij}|, \beta)$ 的伽马Lévy片近似，可产生局部变异性随 $\alpha$ 减小而增强的实现，实现对局部波动的可控调节。
• 在核函数 $\kappa_{\mathbf{t}}$ 和测度 $\Lambda$ 满足温和正则性条件时，离散近似 $X_{\mathbf{t}}^{(n)}$ 以概率收敛于真实Lévy片 $X_{\mathbf{t}}$。
• 使用无限可分测度的随机积分可构建广泛的非高斯空间过程，包括具有跳跃或重尾特性的过程。
• 小波方法为Lévy片的近似模拟提供了替代方案，在高维场景下具有潜在的更快计算性能。