基于引导扩散模型的空间预测

研究提出利用引导扩散模型解决空间预测难题，在数据模型似然函数已知且可微时实现预测分布采样。该方法适用于高斯与非高斯过程模型，支持计数、区域聚合和右截断等多种数据类型，并在英国与爱尔兰的甲烷通量反演实验中完成验证。其在高维潜变量下具备良好扩展性，可有效应用于传统 MCMC 难以处理的复杂模型场景。