贝叶斯最大熵方法(bayesian maximum entropy,简称BME)是现代时空地统计学的重要组成部分。该方法采用统计学中的贝叶斯理论和信息论中熵的概念来认识和处理时空变量,可以将所研究时空要素的软数据和硬数据系统合理地综合到对该要素的...贝叶斯最大熵方法(bayesian maximum entropy,简称BME)是现代时空地统计学的重要组成部分。该方法采用统计学中的贝叶斯理论和信息论中熵的概念来认识和处理时空变量,可以将所研究时空要素的软数据和硬数据系统合理地综合到对该要素的空间估计和分析制图过程中。本文首先结构化梳理贝叶斯最大熵方法的原理,对理论较深奥、公式较复杂的贝叶斯最大熵方法及该方法的特点加以概括,同时归纳与总结贝叶斯最大熵方法在地球科学领域内多个方向的应用研究进展,最后对该方法及其应用作总结与展望。经国内外学者多年的研究和实践,贝叶斯最大熵方法已被证明在地球科学领域有着更广阔的应用前景。展开更多
In this note we shall give a simple proof of a result in [1] which gives a sufficient condition for the regularity of solutions to the Navier-Stokes equation in R^n bases on estimates on the vorticity.
文摘贝叶斯最大熵方法(bayesian maximum entropy,简称BME)是现代时空地统计学的重要组成部分。该方法采用统计学中的贝叶斯理论和信息论中熵的概念来认识和处理时空变量,可以将所研究时空要素的软数据和硬数据系统合理地综合到对该要素的空间估计和分析制图过程中。本文首先结构化梳理贝叶斯最大熵方法的原理,对理论较深奥、公式较复杂的贝叶斯最大熵方法及该方法的特点加以概括,同时归纳与总结贝叶斯最大熵方法在地球科学领域内多个方向的应用研究进展,最后对该方法及其应用作总结与展望。经国内外学者多年的研究和实践,贝叶斯最大熵方法已被证明在地球科学领域有着更广阔的应用前景。
文摘In this note we shall give a simple proof of a result in [1] which gives a sufficient condition for the regularity of solutions to the Navier-Stokes equation in R^n bases on estimates on the vorticity.