Exploration and inference in spatial extremes using empirical basis functions
推断大型数据集空间极值的统计方法尚待开发。受空间统计学中标准降维技术的启发,我们提出了一种基于经验基函数的方法来探索和建模空间极值依赖。基于一个低秩最大稳定模型,我们提出了一种数据驱动的方法来估计有意义的基函数使用经验的两两极值系数。这些空间经验基函数可用于可视化极值相关性的主要趋势。除了探索性分析,我们描述了如何使用这些功能在贝叶斯分层模型来模拟大型数据集的空间极值。我们说明了我们的方法在美国东部的极端降水。
2018-08-01 stat.ME
Higher-dimensional spatial extremes via single-site conditioning
目前可用的空间极值模型要么受到它们可以捕获的依赖结构的可扩展性的影响,要么缺乏对高维的可扩展性,或者在大多数情况下,这两种情况都有。本文提出了一种基于条件多元极值模型的空间极值理论方法,通过对某一特定点的极值进行条件化,形成极限理论。随后的方法允许一个灵活的类的依赖结构,以及模型,可以在高维拟合。为了克服一个单一的网站上的条件的问题,我们建议一个联合推理计划的基础上,所有的观察位置,并实现一个重要性抽样算法,以提供空间实现和估计的数量条件的过程中极端的任意一组位置。模拟方法适用于澳大利亚夏季极端温度,允许在大陆的高温事件的空间范围的评估。
2022-06-16 stat.ME
Spatial scale-aware tail dependence modeling for high-dimensional spatial extremes
Colorado State University(科罗拉多州立大学);University of Missouri(密苏里大学);Lawrence Berkeley National Lab(劳伦斯伯克利国家实验室)
针对大空间域极端事件的异质尾部依赖特征,提出空间尺度感知的混合模型,通过修改随机尺度构造实现灵活依赖特性与高维推断,在模拟与实际数据中验证了其对非平稳依赖结构的捕获能力。
2025-11-13 stat.ME
Rejoinder to "Statistical Modeling of Spatial Extremes"
对A。C. Davison,S. A. Padoan和M. Ribatet [arXiv:1208.3378].
2012-08-17 stat.ME
A Dimension-Reduced Multivariate Spatial Model for Extreme Events: Balancing Flexibility and Scalability
George Mason University(乔治梅森大学);Metron, Inc.(美顿公司)
本文提出了一种降维的多变量空间模型,用于更灵活且可扩展地建模空间极端事件,适用于环境和跨学科研究。
2025-01-22 stat.ME
Spatial Bayesian hierarchical modeling of precipitation extremes over a large domain
我们提出了一个贝叶斯分层模型的空间极值上的一个大的域。在数据层中,应用具有广义极值(GEV)边缘的高斯椭圆copula。GEV参数的空间依赖性被捕获与空间变化系数的潜在空间回归。使用复合似然方法,我们能够有效地将一个大的降水数据集,其中包括站与缺失数据。该模型被证明是通过应用到秋季降水极端在大约2600站覆盖美国西部,-125E到-100E经度和30 N到50 N纬度。分层模型提供了GEV参数上的$1/8$ th度网格,因此地图的回报水平和相关的不确定性。模型结果表明,回报水平在空间上和跨季节的一致性变化,提供信息的时空变化的风险,在美国西部的极端降水,有助于基础设施规划。
2016-01-29 stat.ME
Statistical Modeling of Spatial Extremes
对降雨或温度等自然过程的极端情况进行区域建模在环境统计中很重要;例如,了解极端区域降雨量对防洪至关重要。本文回顾了空间极值统计建模的最新进展,首先概述了极值统计和地统计的必要元素。主要类型的统计模型迄今提出的,基于潜变量,copulas和空间最大稳定的过程,进行了描述,然后通过应用程序在瑞士的降雨量数据集进行比较。虽然潜变量模型可以更好地拟合边缘分布,但它拟合极值的联合分布很差,因此适当选择copula或最大稳定模型似乎对极值的成功空间建模至关重要。
2012-08-16 stat.ME
Discussion of "Statistical Modeling of Spatial Extremes" by A. C. Davison, S. A. Padoan and M. Ribatet
对A. C. Davison,S. A. Padoan和M. Ribatet [arXiv:1208.3378].
2012-08-17 stat.ME
Discussion of "Statistical Modeling of Spatial Extremes" by A. C. Davison, S. A. Padoan and M. Ribatet
对A. C. Davison,S. A. Padoan和M. Ribatet [arXiv:1208.3378].
2012-08-17 stat.ME
Discussion of "Statistical Modeling of Spatial Extremes" by A. C. Davison, S. A. Padoan and M. Ribatet
对A. C. Davison,S. A. Padoan和M. Ribatet [arXiv:1208.3378].
2012-08-17 stat.ME
Interacting Immediate Neighbour Interpolation for Geoscientific Data
本研究提出交互式最近邻插值(IINI)框架,利用局部交互构建中长程相关性,用于地球科学数据插值,在保持与传统方法相当精度的同时显著简化算法和预处理。
2025-04-22 physics.geo-ph stat.ME
Clustering-based spatial interpolation of parametric post-processing models
针对参数化后处理预报仅能在有训练数据的站点生成的问题,提出基于聚类的插值技术,将校准后的预测分布扩展至任意有集合预报的位置,经风速集合预报案例验证,该方法性能优于区域插值EMOS模型和原始集合预报。
2024-01-25 stat.AP stat.ME
Feature-free regression kriging
针对空间插值中非平稳性和解释变量缺乏的问题,提出无特征回归克里金(FFRK),自动提取地理空间特征构建趋势面,在澳大利亚矿区重金属预测中优于17种经典方法,提升精度与泛化能力。
2025-07-10 physics.soc-ph stat.ME stat.ML
Amortized Bayesian Local Interpolation NetworK: Fast covariance parameter estimation for Gaussian Processes
North Carolina State University(北卡罗来纳州立大学);University of Arkansas(阿肯色大学);Amazon Research(亚马逊研究院)
本文提出A-BLINK网络,利用两个预训练深度神经网络快速估计高斯过程协方差参数,绕过矩阵求逆,在频率派和贝叶斯设置中大幅提升计算效率,并在模拟和真实温度数据上验证了低误差优势。
2024-11-10 cs.LG stat.ME stat.ML
Interpolation pour l'augmentation de donnees : Application à la gestion des adventices de la canne a sucre a la Reunion
LIM EA2525, Université de La Réunion(留尼汪大学LIM EA2525);CIRAD(法国农业国际合作研究发展中心);Inria(法国国家信息与自动化研究所)
本研究针对留尼汪甘蔗田杂草管理,探索基于插值的数据增强方法,比较高斯过程与克里金法,发现GP-COMB方法在提升回归性能上更优且数据需求少,克里金法空间覆盖更均匀。
2025-01-10 cs.LG q-bio.QM stat.AP
Which modelling choices shape your interpolation map? An Optimal Transport sensitivity analysis for groundwater sulfate concentration
本研究提出一种基于最优传输的全局敏感性分析方法,将空间预测图的不确定性归因于建模选择,并应用于巴黎盆地地下水硫酸盐浓度制图,发现协变量选择和网格分辨率是主要不确定性来源。
2026-10-06 stat.AP stat.ME
Joint Estimation of Extreme Spatially Aggregated Precipitation at Different Scales through Mixture Modelling
虽然大多数极端降雨量模型都侧重于逐点值,但最令人感兴趣的是河流流域尺度的区域总降水量。为了捕捉在不同的空间尺度上评估的降水聚集体的联合行为,必须建立简约和有效的模型与知识的基本空间过程。降水是由不同尺度和强度的过程混合驱动的,例如,对流和锋面,与极端的聚合物的典型集水面积所产生的极端只有这些过程之一,而不是它们的组合。高强度对流事件在小尺度上造成极端的空间聚集,但随着聚集面积的增加,低强度大尺度锋的贡献可能会增加。因此,捕捉小到大尺度的空间聚集在一个单一的方法,需要一个模型,可以准确地捕捉对流和锋面事件的极端属性。以前的极值方法忽略了这种混合结构,我们提出了一个空间极值模型,这是一个混合物的两个组件与不同的边际和依赖模型,能够捕捉极端行为的对流和锋面降雨和更忠实地再现空间聚集在很大范围内的尺度。模拟极端的正面分量提出了新的挑战,因为它表现出很强的长期极端空间依赖性。我们的建模方法适用于细尺度,高维,网格化的降水数据。我们发现,占混合结构提高了联合推断的极端空间聚集在不同大小的区域。
2023-01-02 stat.AP stat.ME
Spatial modeling and future projection of extreme precipitation extents
具有大空间范围的极端降水事件可能比局部事件产生更严重的影响,因为它们可能导致大范围的洪水。人们对气候变化如何影响极端降水的空间范围存在争议,对极端降水的调查往往直接依赖于气候模型的模拟。在这里,我们使用不同的策略来研究未来的变化,在两个流域(多瑙河和密西西比河)的气候带和季节的降水极端的空间范围不同。我们依靠观测到的极端降水,同时利用基于物理的平均温度协变量,这使我们能够预测未来的降水范围。我们将协变量纳入新开发的时变$r$ -Pareto过程中,使用适当选择的空间聚集功能$r$。该模型捕捉降水极端的空间依赖结构的时间非平稳性,将其与温度协变量,我们从模型校准观测和去偏气候模拟(CMIP 6)预测。对于这两个流域,我们的研究结果表明,空间范围和温度协变量之间的负相关性为大部分的雨季和增加的趋势,在边缘,这表明在气候变暖的雨季降水强度增加的空间降水范围减少局部。
2022-12-06 stat.AP stat.ME
Multivariate spatial conditional extremes for extreme ocean environments
使用Metop卫星散射计和2007-2018年期间的后报观测以及最终受Hongnan和Tawn(2004)工作启发的多变量空间条件极值(MSE)模型,对东北大西洋风速和有效波高的联合极值空间依赖性进行了量化。分析工作包括:(a)将各个卫星条带和相应的后报数据登记到样带模板上(b)在样带上的一组登记地点进行非固定方向-季节边际极值分析,(c)使用拟合边际模型从物理尺度转换为标准拉普拉斯尺度,(d)对登记位置组的MSCE模型进行估计,并评估模型拟合的质量。联合模型估计三个空间量:气象风速,后报风速和后报有效波高。结果表明,当条件极端Metop风速,极端空间依赖性的所有三个量衰减超过约600-800公里。
2022-01-25 physics.ao-ph stat.AP stat.ME