| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 空间数据建模的复杂性 | 第12页 |
| 1.2 空间Bayesian建模相关成果 | 第12-15页 |
| 1.3 贝叶斯空间联合建模的优势 | 第15-16页 |
| 1.4 本文主要工作 | 第16-17页 |
| 1.5 创新特色 | 第17-18页 |
| 第二章 贝叶斯空间非参数模型用于混杂响应变量与中国地震数据的应用 | 第18-28页 |
| 2.1 模型和符号说明 | 第18-20页 |
| 2.2 空间高斯条件自回归模型 | 第20-23页 |
| 2.2.1 MercerCAR模型 | 第21页 |
| 2.2.2 Clayton-KaldorCAR模型 | 第21-22页 |
| 2.2.3 模拟研究 | 第22-23页 |
| 2.3 实例分析 | 第23-28页 |
| 第三章 贝叶斯Copula空间地质数据建模 | 第28-48页 |
| 3.1 Copula方法简介 | 第28-32页 |
| 3.1.1 Copula定义及性质 | 第29-30页 |
| 3.1.2 Sklar定理及应用 | 第30-31页 |
| 3.1.3 常用的Copula分类及特点 | 第31-32页 |
| 3.2 空间地质数据的BayesianCopula建模 | 第32-41页 |
| 3.2.1 采用Copula方法描述随机域 | 第32-33页 |
| 3.2.2 相关离散型随机变量的BayesianCopula建模方法 | 第33-37页 |
| 3.2.3 Copula模型选择 | 第37页 |
| 3.2.4 混合随机变量的BayesianCopula建模方法 | 第37-41页 |
| 3.3 实例分析 | 第41-48页 |
| 第四章 结论与展望 | 第48-50页 |
| 致谢 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 附录A(攻读硕士学位期间发表论文) | 第56页 |
