Climate-Related Disasters and the Death Toll
随着气候变化的加速,预计未来几十年气候灾害的频率将增加。关于这种加速将如何影响不同的气候区域,目前正在进行辩论。在本文中,我们描述了一个预测气候灾害发生频率和死亡人数严重程度的模型。灾害的频率被描述为一个泊松过程驱动的CO2排放总量。灾害的严重程度是用区域实际人均国内生产总值趋势驱动的广义帕累托分布来描述的。我们根据政府间气候变化专门委员会对“可持续”和“一切照旧”基线情景下的人口、地区人均实际GDP和二氧化碳排放总量的预测,预测不同类型气候灾害的死亡人数。
2021-09-05 stat.AP
Climate Change and Grain Production Fluctuations
利用长期农艺试验的50年时间序列资料,研究了气候变化对小麦和玉米产量的影响。趋势和波动,有用的估计生产预测和相关的风险进行比较,国家的,一个经典的区域气候指标,如西地中海振荡指数,和全球的太阳黑子数。EMD和SSA去噪的数据显示,SSN振荡在过去几十年中如何放缓,影响区域尺度动态,在过去的二十年中,一系列波动(7-16年)也很明显。这两个信号反映了小麦和玉米产量的波动,无论是在国家和地方一级。
2019-12-29 stat.AP
AIRCC-Clim: a user-friendly tool for generating regional probabilistic climate change scenarios and risk measures
复杂的物理模型是制作气候系统逼真模拟的最先进工具。然而,这种程度的现实意味着高计算成本和限制其用于决策和风险评估。气候变化的两个主要特点是不确定性和它是一个动态问题,国际行动可大大改变气候预测和信息需要,包括部分和完全遵守全球气候目标。在这里,我们提出了AIRCC-Clim,一个简单的气候模式模拟器,产生区域概率气候变化预测的每月和每年的温度和降水量,以及风险措施,基于标准和用户定义的六种温室气体的排放情景。AIRCC-Clim模拟了37个大气-海洋耦合环流模式,对用户的计算和技术要求很低。这一独立的、用户友好的软件是为各种应用而设计的,包括影响评估、气候政策评估和综合评估建模。
2021-10-30 econ.GN physics.ao-ph q-fin.EC
A Hierarchical Multivariate Spatio-Temporal Model for Large Clustered Climate data with Annual Cycles
本文提出一个多变量层次时空模型来描述月极端气温和月降水量的联合序列。现有360个监测站60年来的数据,缺失数据影响到几乎所有系列。模型组件占时空依赖性与年度周期,依赖于协变量和响应之间。采用最近邻高斯过程对海量数据进行时空相关性建模。响应多变量的依赖关系描述使用coregionalization的线性模型,而年度周期进行评估的时间的圆形表示。所提出的方法可以填补缺失值和容易插值的气候表面在国家一级。背后的动机是对意大利领土上所谓的生态区的描述。生态区划定了在气候、自然地理、水文地理、植被和野生动物方面具有类似潜力的广泛而离散的生态均质地区,并为解释生态过程、干扰状况、植被格局和动态提供了一个地理框架。到目前为止,意大利两个主要的宏观生态区按等级划分为35个区。意大利生态区目前的气候特征是基于1955-1985年期间的数据和生物气候指数,需要适当更新。
2017-12-31 stat.AP
Covariance approximation for large multivariate spatial data sets with an application to multiple climate model errors
本文研究了多个气候模式误差之间的互相关。我们建立了一个贝叶斯层次模型,该模型考虑了各个模型的空间依赖性以及不同气候模型之间的互协方差。我们的方法允许一个不可分离的和非平稳的互协方差结构。我们还提出了一个协方差近似的方法,以方便在非常大的多元空间数据集的建模和分析的计算。协方差近似由两部分组成:降阶部分用于捕获大规模空间相关性,稀疏协方差阵用于纠正降阶近似引起的小规模相关性误差。我们特别注意的情况下,第二部分的近似有一个块对角结构。模型拟合和预测的仿真结果表明,所提出的近似预测过程近似和独立块分析的显着改善。然后,我们将我们的计算方法应用于多个气候模型误差的联合统计建模。
2012-03-01 stat.AP
Bridging CORDEX and CMIP6: Machine Learning Downscaling for Wind and Solar Energy Droughts in Central Europe
ETH Zurich(苏黎世联邦理工学院);EPFL(洛桑联邦理工学院)
本研究利用机器学习模拟器弥合CORDEX与CMIP6,分析中欧风能和太阳能干旱的未来变化。
2025-12-08 physics.ao-ph stat.AP
Combining regional estimation and historical floods: a multivariate semi-parametric peaks-over-threshold model with censored data
极端洪水分位数的估计是具有挑战性的,因为与典型的目标重现期相比,极端数据相对稀缺。多年来,为应对这一挑战,开发了几种方法,包括区域估计和使用历史洪水数据。本文研究了这两种方法的组合使用多变量峰值阈值模型,允许估计共在每个站点的站点间的依赖结构和边缘分布。利用半参数Dirichlet混合模型构造了多个站点极值的联合分布。部分缺失和删失观测值(历史数据)的存在在数据扩充方案中进行解释。该模型适用于一个案例研究,涉及四个集水区在法国南部,自1604年以来的历史数据。从四个版本的模型(有或没有区域化的形状参数;使用或忽略历史洪水)的边际估计值的比较突出了显着差异的回报水平估计。此外,附近几个集水区的历史数据的可用性允许调查极端洪水的渐近相关性。流域显示了大量的渐近依赖,需要适应多元统计模型。
2014-11-28 stat.AP stat.ME
Forecasting hospital discharges for respiratory conditions in Costa Rica using climate and pollution data
本研究利用Random Forest、XGboost、Prophet及集成方法,结合气候与污染数据,预测哥斯达黎加七家区域医院的呼吸系统疾病每周住院情况,为医疗资源分配提供可靠依据。
2024-01-06 stat.AP
Spatial Clustering of Curves with Functional Covariates: A Bayesian Partitioning Model with Application to Spectra Radiance in Climate Study
在气候变化研究中,气候变化的红外光谱特征近年来已被概念化,并被广泛应用于识别和归因大气成分变化。提出了一种基于函数协变量和局部特征的高维函数数据空间聚类的贝叶斯层次模型。我们耦合的功能混合效应模型与广义空间分区方法:(1)产生空间连续的集群的高维空间功能数据;(2)提高计算效率,通过并行计算的子区域或多级分区;和(3)捕捉数据驱动的分区的近边界的模糊性和不确定性。我们提出了一种广义的分区方法,它对空间簇的形状限制较少。参数空间的降维也是通过贝叶斯小波来实现的,以减轻由聚类引入的模型复杂性的增加。该模型很好地捕捉到了大气和云的光谱辐射测量的区域性影响。结果阐述了利用空间连续分区识别区域效应和小尺度变异的重要性。
2016-03-19 stat.AP
Evaluation of time series models under non-stationarity with application to the comparison of regional climate models
不同的学科追求的目标是开发尽可能准确地描述某些现象的模型。气候学就是一个很好的例子,它模拟了气候的时间演变。为了比较和改进不同的模型,一个公平的模型评估方法是必不可少的。由于一种现象的模型和预测通常与不确定性有关,适当的评分规则是考虑这种不确定性的工具,是模型评估的适当选择。然而,在非平稳性的存在下,这样的模型评估变得具有挑战性,因为感兴趣的现象的特征发生变化。我们提供的方法模型评估的背景下,非平稳时间序列。我们的方法假设平稳的时间序列在较短的移动时间窗口。基于变点分析选择的这些移动窗口用于表征对应时间实例的现象/模型的不确定性。这导致了移动分数的概念,允许对模型性能进行时间评估。所提出的方法的优点是说明在模拟和案例研究。
2017-02-02 stat.AP stat.ME
Spatiotemporally Consistent Multivariate Bias Correction for Climate Projections via Nested Vine Copulas
University of Lausanne(洛桑大学);University of Applied Sciences and Arts Western Switzerland (HES-SO)(瑞士西部应用科学和艺术大学)
本文提出GN-VBC方法,利用GAM分离时空确定性效应与残差,结合嵌套藤Copula建模变量间依赖,提升气候预测的时空一致性和可靠性。
2026-07-16 stat.AP stat.ME
Climate extreme event attribution using multivariate peaks-over-thresholds modeling and counterfactual theory
数值气候模式是复杂的,并结合了大量的物理过程。它们是量化潜在人为原因(例如,目前温室气体的增加)对强降雨等高影响大气变量的影响。这些所谓的气候极端事件归因问题是特别具有挑战性的多元背景下,也就是说,当大气变量测量可能是高维网格。在本文中,我们利用两个统计理论来评估因果关系的背景下,多变量极端事件归因。当我们认为一个事件是极端时,至少有一个感兴趣的向量的组件是大的,极值理论证明,在渐近意义上,一个多变量广义帕累托分布模型联合极端。根据这一类的分布,我们推导和研究概率的必要和充分的因果关系所定义的反事实理论的珍珠。为了增加因果关系的证据,我们提出了一个降维策略的基础上,最大限度地提高这种因果关系的概率的最佳线性投影。我们的方法进行了测试模拟的例子,并适用于每周冬季最大降水输出的法国CNRM从最近的CMIP6实验。
2020-05-18 stat.AP stat.ME
A semiparametric approach to mixed outcome latent variable models: Estimating the association between cognition and regional brain volumes
结合二元、分类、计数和连续结果的多变量数据在社会和健康科学中很常见。我们提出了一个半参数贝叶斯潜变量模型的多元数据的任意类型,不需要规格的条件分布。利用Hoff [Ann. Appl. Stat. 1(2007)265-283]中,我们开发了用于具有混合结果的潜变量建模的半参数方法,并提出了相关的马尔可夫链蒙特卡罗估计方法。受认知测试数据的启发,我们专注于双因子模型,因子分析的一种特殊情况。我们采用我们的半参数贝叶斯潜变量模型来研究认知结果和MRI测量的区域脑容量之间的关联。
2014-01-13 stat.AP
Multivariate sensitivity analysis for a large-scale climate impact and adaptation model
本文提出了一种新的大规模多元数据贝叶斯全局敏感性分析的有效方法。重点是具有相关变量的计算需求模型。采用多元高斯过程作为代理模型,代替昂贵的计算机模型。为了提高模型的计算效率和性能,使用了完备的相关函数。我们的目标是生成稀疏矩阵,这在处理大型数据集时具有至关重要的优势,我们使用交叉验证来确定最佳稀疏度。该方法结合了一种鲁棒的自适应Metropolis算法和并行实现,以加快收敛到目标分布。该方法被应用到多变量数据集的印象综合评估平台(IAP2),扩展的CLIMSAVE IAP,已被广泛应用于气候变化的影响,适应和脆弱性评估。对合成数据和IAP2数据的实验结果表明,所提出的方法对于复杂模型的全局敏感性分析是有效和准确的.
2022-01-24 stat.AP stat.ME
Detection of Multidecadal Changes in Vegetation Dynamics and Association with Intra-annual Climate Variability in the Columbia River Basin
叶面积指数是植被动态评估中广泛使用的度量指标,可用于评估区域/局部气候条件的影响。高分辨率的时空物候过程中存在广泛的缺失值的潜在的连续性带来了一些挑战,在当地和区域层面上的变化检测。对功能数据分析方法的可行性进行了评估,以改进对此类数据的探索。在本文中,叶面积指数(LAI)的多年代际变化进行了调查,在哥伦比亚流域,由NOAA AVHRR卫星图像检测,并使用ERA中期再分析1996年至2017年的最高温度和降水的年际和年内相关性。一个功能聚类分析模型的实施,以确定在哥伦比亚流域表现出类似的长期绿化趋势的地区。在这几个地区,年度叶面积指数变化的主要来源是一个趋势,季节性更早和更高的记录区域平均最大叶面积指数。进一步的探索性分析表明,虽然密切相关的LAI,最高温度和降水并没有表现出明显的纵向趋势。
2021-05-19 q-bio.QM stat.AP
Towards more realistic climate model outputs: A multivariate bias correction based on zero-inflated vine copulas
本文提出 VBC,利用 vine copula 与随机化 Rosenblatt 变换建模零膨胀多变量气候数据的依赖结构,显著提升3小时 CRCM5 输出的偏差校正效果。
2025-05-15 stat.AP stat.ME
Generative climate downscaling enables high-resolution compound risk assessment by preserving multivariate dependencies
Toyota Central R&D Labs., Inc.(电产中央研究所);National Institute for Environmental Studies(环境研究国立研究所)
本文提出一种基于扩散的多变量生成框架,通过降尺度提升多变量依赖关系,提高复合风险评估的准确性。
2026-05-12 cs.LG physics.ao-ph stat.AP
MERCURY: A fast and versatile multi-resolution based global emulator of compound climate hazards
University of Oxford(牛津大学);Montreal Polytechnique(蒙特利尔理工学院);Columbia Climate School(哥伦比亚气候学院);International Institute for Applied Systems Analysis(国际应用系统分析研究所);Universität Leipzig(莱比锡大学);IRI THESys;Humboldt-Universität zu Berlin(柏林洪堡大学);Institute Pierre-Simone-Laplace(皮埃尔-西蒙·拉普拉斯研究所)
本文提出MERCURY多分辨率气候仿真器,通过概率回归加性模型与逆提升格式算子联合降尺度多变量,高效仿真复合湿热灾害并准确捕捉WBGT相关性与高分位数。
2024-12-24 cs.LG physics.ao-ph stat.AP
Density correction for multivariate spatial fields of global climate model output using deep learning
University of Arkansas(阿肯色大学);North Carolina State University(北卡罗来纳州立大学)
本文提出了一种基于深度学习的半参数条件密度估计方法,用于校正全球气候模型输出的多变量空间场,以更准确地预测极端气候事件。
2026-02-20 stat.AP stat.ML
Mega Regional Heat Patterns in US Urban Corridors
目前的文献表明,城市热岛及其后果在气候变化和城市化的影响下正在加剧。在这里,我们探讨了相对未探索的假设,新兴的城市走廊(UC)产生的强烈的热量,这是显而易见的,从观察。美国11个UCs相对于其基本气候区域(非UCs)的划分表明了一个令人惊讶的混合趋势。在过去60年中,冬季气温的中位数和趋势在UC中普遍较高,但在夏季没有观察到这种一般趋势。与公共卫生、能源需求和相对强度相关的热浪指标并没有表现出明显更高的总体趋势。在UC的温度和热浪指数表现出很高的相关性,彼此包括跨季节。人口的时空格局,以及城市化,农业和海拔,表现出高(正或负)的排名与变暖和热浪加剧的相关性。这些发现可以为特大城市的气候适应提供信息。
2020-11-25 physics.geo-ph stat.AP
Evaluation of the performance of Euro-CORDEX RCMs for assessing hydrological climate change impacts in Great Britain: a comparison of different spatial resolutions and quantile mapping bias correction methods
区域气候模式(RCMs)是分析区域气候变化影响的重要工具,因为它们提供的模拟比全球气候模式具有更多的小尺度细节和更小的预期误差。已经有很多努力,以提高空间分辨率和模拟技能的区域气候模型,但在何种程度上,这提高了预测的水文变化是不清楚的。在这里,我们评估的技能再分析驱动的欧洲CORDEX区域气候模型在模拟降水和温度,并作为一个水文模型的驱动程序,以模拟河流流量的四个英国集水区,涵盖不同的物理,气候和水文特征。我们测试是否高分辨率RCM提供附加值,通过分析两个RCM分辨率,50公里和12.5公里,这也是偏差校正采用参数分位数映射(QM)方法,使用正态分布的温度,和伽玛(GQM)和双伽玛(DGQM)分布的降水。在一个小流域,地形复杂,12.5公里的RCM优于其50公里版本的降水和温度,但当与水文模型结合使用时,未能捕捉到观测到的河流流量分布。在其他(较大)流域,只有一个高分辨率的RCM始终优于其低分辨率版本,这意味着在这些流域使用高分辨率的RCM一般没有增加值。GQM降低了大部分模拟偏差,但极端降水和高流量除外,DGQM进一步降低了这些偏差。偏差校正并没有改善每日的时间变化的代表性,但它的月变化,特别是当应用DGQM。总体而言,RCM分辨率的增加并不意味着更好地模拟水文和偏差校正是一种替代方案,以减轻决策。
2019-07-21 stat.AP
Physics-guided probabilistic modeling of extreme precipitation under climate change
地球系统模式(ESM)是预测气候变化影响的最新技术。然而,在模拟区域和当地极端降水和相关过程的能力方面长期存在的不确定性阻碍了决策。对相关时空尺度上极端降水量变化的概率预测将是对利益攸关方的最佳支持。在这里,我们提出了一个经验贝叶斯模型,扩展了现有的技能和共识为基础的加权框架和测试的假设,非平凡的,物理指导的措施ESM技能可以帮助产生可靠的概率特征的气候极端。具体而言,该模型利用温度,大气湿度容量和极端降水强度之间的物理关系的知识,迭代加权和结合ESM和估计概率分布的回报水平。样本外验证表明,贝叶斯模型是推导可靠概率预测的可靠方法。除了极端降水之外,该框架还可以作为一种通用的、以物理学为指导的方法的基础,用于对一般气候变量、极端气候变量或其他气候变量的概率分布进行建模。
2017-07-18 stat.AP
On the importance of tail assumptions in climate extreme event attribution
本文在 Pearl 反事实因果框架下比较三种多元极值建模方法,揭示尾部假设对极端事件归因结论的关键影响,并通过模拟与真实数据表明极值依赖结构误设可能导致误导性归因。
2025-07-18 stat.AP
On Bayesian Modelling of the Uncertainties in Palaeoclimate Reconstruction
我们概述了一个模型和算法来执行推断的古气候和古气候波动的花粉代用数据。我们使用了一种新的多元非线性非高斯状态空间模型,该模型由一个将气候与代理数据联系起来的观测方程和一个驱动气候随时间变化的演化方程组成。Salter-Townshend和Haslett(2012年)以及Sweeney(2012年)开发的预先校准的正演模型界定了气候与代用数据之间的联系。气候变化是由一个时间上不确定的正态-逆高斯-列维过程表示的,它能够在保持时间一致的同时捕捉到多变量气候的大跳跃。前向模型的预校准性质使我们能够在观测和演化方程之间切断反馈,从而完全整合状态变量,同时进行最小的简化假设。这种方法的一个关键部分是创建混合的边际数据后验,代表从每个单独的时间点获得的有关气候的信息。我们的方法允许一个非常有效的MCMC算法,我们证明了从Sluggan沼泽,安特里姆郡,北爱尔兰的花粉核心。
2012-06-21 stat.AP
Joint Temperature-Precipitation Patterns in the U.S. South Central Region: Multivariate Functional Inference and Gaussian Mixture Modeling
Texas Tech University(德克萨斯理工大学);University of Louisiana at Lafayette(路易斯安那大学拉斐特分校)
本研究以美国中南部为对象,采用FMANOVA与高斯混合模型两种方法,揭示该区域冬夏两季气温-降水联合模式的显著差异,明确了冬夏气候 regime 的空间一致性及降水作用的差异。
2026-08-17 stat.AP
Online stochastic generators using Slepian bases for regional bivariate wind speed ensembles from ERA5
针对 ERA5 二元风速集合的存储与生成挑战,本文提出一种基于 Slepian 基的在线随机生成器(OSG),通过在线更新和降维技术实现近实时模拟,在大幅降低存储需求的同时保持与全数据集训练模型相当的统计性能。
2024-10-11 stat.AP
Diagnosing added value of convection-permitting regional models using precipitation event identification and tracking
高分辨率区域气候模式的动态降尺度可能提供在气候模拟中真实再现降水和天气事件的可能性。当分辨率降到千米级时,使用显式对流而不是参数化对流可以提供更高的保真度。然而,这些增加的模型分辨率允许并且需要越来越复杂的诊断来评估模型保真度。在这项研究中,我们使用了一套动态缩小规模的模拟夏季美国(WRF驱动的NCEP)与系统的变化参数和治疗对流作为一个测试案例模型降水的评估。特别是,我们使用了一种新的暴雨识别和跟踪算法,该算法基本上将所有降雨分配给单个降水事件(Chang et al. 2016)。这种方法允许多方面的见解,包括,至少在这些运行中,模型湿偏差是由过度的面积范围的降水事件。偏差是时间依赖性的,产生过度的昼夜周期振幅。我们发现,这种效果是由新的生产的事件,但在白天的长期降水事件的过度放大,并在域平均,降水偏差出现最好的表示为添加剂的偏移。在所有评估的模型配置中,对流允许模拟最一致地减少了降水事件特征的偏差。
2017-12-12 physics.geo-ph stat.AP
Model selection in extreme value regression for estimation of changes in return values over time applied to extreme annual regional CMIP6 desert temperatures
Lancaster University(兰卡斯特大学);MetOcean Research Ltd(MetOcean研究有限公司)
本文基于五个CMIP6模型输出,利用广义极值分布回归方法,评估五个沙漠地区100年一遇极值温度的变化趋势,发现极端最大值和最小值在更严重的强迫情景下均显著增加。
2026-08-26 physics.ao-ph stat.AP
Multivariate Spatio-temporal Modelling for Completing Cancer Registries and Forecasting Incidence
Public University of Navarre(纳瓦拉公立大学);Institute for Advanced Materials and Mathematics (INAMAT2)(先进材料与数学研究所)
本文提出多变量时空共享组件模型,用于在区域和国家层面预测癌症发病率,以解决数据不完整和时间不一致的问题。
2025-11-26 stat.AP stat.ME
Assessment of Future Changes in Intensity-Duration-Frequency Curves for Southern Ontario using North American (NA)-CORDEX Models with Nonstationary Methods
气候变化对极端降雨可能产生的影响评价对工程结构设计和社会经济资源开发具有重要意义。虽然许多研究已经使用全球和区域气候模式(RCM)预测评估了气候变化对设计降雨量的影响,但迄今为止,还没有在区域尺度上对强度-持续时间-频率(IDF)统计数据进行全面的比较或评估,考虑到未来气候的固定与非固定模式。为了了解极端降水如何可能对未来的IDF曲线做出反应,我们使用了三个RCM参与北美(NA)-CORDEX域的集合,其中包括安大略省南部的八个雨量站,安大略省南部是加拿大人口最稠密的主要经济区之一。IDF关系来自多模型RCM模拟,并与基于站的观测值进行比较。我们模拟降水极值,在不同的持续时间使用极值分布考虑参数,无论是固定的或非固定的,作为时间的线性函数。我们的研究结果表明,未来气候强迫驱动的极端降水强度显示,相对于1970-2010年的基线期,2050年代(2030-2070)的10年事件的强度显着增加。然而,对于较长的回报期,注意到相反的趋势。令人惊讶的是,在设计风暴方面,没有显着差异时,发现比较固定和非固定的IDF估计方法为未来(2050年代)的较大重现期。这些研究结果是针对区域降水极端情况的,没有立即引起警觉的理由,但需要根据全球变暖逐步更新设计标准。
2017-05-31 physics.ao-ph physics.data-an stat.AP
GCMagicc v1: a fast generative emulator for multivariate climate-impact ensembles
The University of Melbourne(墨尔本大学);Climate Resource(气候资源公司);University of Washington(华盛顿大学);International Institute for Applied Systems Analysis(国际应用系统分析研究所);ETH Zürich(苏黎世联邦理工学院)
GCMagicc是一种结合物理气候模型与机器学习的混合模拟器,能快速生成多变量气候影响集合,无需GPU或重训练,并在干旱归因中揭示强烈人为信号。
2026-09-09 physics.ao-ph stat.AP
Generative Unsupervised Downscaling of Climate Models via Domain Alignment: Application to Wind Fields
INRIA Paris(巴黎国家信息与自动化研究所);EDF R&D(法国电力集团研发部);Université Paris-Saclay(巴黎萨克雷大学);University of Colorado Boulder(科罗拉多大学博尔德分校)
本文提出基于域对齐的生成模型,用于多变量风场降尺度与偏差校正,提升空间一致性与鲁棒性。
2026-04-03 physics.ao-ph stat.AP stat.ML
A Bayesian Ensemble Projection of Climate Change and Technological Impacts on Future Crop Yields
本研究提出全概率下的贝叶斯层次建模框架,扩展计量作物产量模型纳入国别误差方差,分解预测不确定性来源,在全球小麦产量分析中显著提升预测校准度与概率准确性,为农业气候战略制定提供风险敏感的决策支持。
2025-07-29 econ.EM stat.AP
Sparse-GEV: Sparse Latent Space Model for Multivariate Extreme Value Time Serie Modeling
University of Southern California(南加州大学);IBM T.J. Watson Research Center(IBM T.J. Watson研究中心)
在时间序列模型的许多应用中,如气候分析、社交媒体分析等,我们往往对极端事件感兴趣,如热浪、阵风、突发话题等。这些时间序列数据通常呈现重尾分布而不是高斯分布。由于对数据分布的假设差异很大,而且缺乏足够的极端事件过去数据,这对现有方法构成了巨大挑战。在本文中,我们提出了Sparse-GEV模型,一个潜在的状态模型的基础上的极值建模理论,自动学习稀疏的时间依赖性,并作出预测。我们的模型是理论上有意义的,因为它是第一个模型,学习稀疏的时间依赖性之间的多元极值时间序列。我们证明了我们的算法的性能优越的国家的最先进的方法,包括格兰杰因果关系,copula方法和转移熵,一个合成数据集,一个气候数据集和两个Twitter数据集。
2012-06-18 cs.LG stat.AP stat.ME
Arctic teleconnection on climate and ozone pollution in the polar jet stream path of eastern US
The University of Sydney(悉尼大学);Chennai Mathematical Institute(马德拉斯数学研究所);AI 4 Water LTD(AI 4 Water有限公司);Institute for Interdisciplinary Research(跨学科研究所);School of Computational and Integrative Sciences, Jawaharlal Nehru University(贾瓦哈拉尔·尼赫鲁大学计算与综合科学学院)
研究探讨了北极海冰变化通过大气路径影响美国东部臭氧水平的机制,发现北极海冰通过气象间接机制影响臭氧,内陆地区敏感性最高,沿海受海洋边界层过程调节。
2026-04-30 physics.ao-ph physics.data-an stat.AP