Spatio-temporal analysis of extreme winter temperatures in Ireland
University College Dublin(都柏林大学);Lancaster University(兰卡斯特大学);Maynooth University(梅努斯大学)
本研究分析了爱尔兰冬季极端低温的时空变化,发现其频率和强度均在下降,同时揭示了气候模型在预测寒冷冬季温度时的局限性。
2026-01-06 physics.ao-ph stat.ME
Predictive Inference for Spatio-temporal Precipitation Data and Its Extremes
降水量及其极端情况的建模对于城市和农业规划很重要。我们提出了一种方法,用于产生空间预测和时空数据的不确定性的措施,是重尾和substantial偏度,经常出现在许多环境过程的测量,我们将该方法应用于降水数据在西澳大利亚州西南部。一个广义双曲贝叶斯层次模型的强度,频率和持续时间的日降水量,包括极端。与基于极值理论的模型不同,该模型仅对有限大小的块或高于大阈值的最大值进行建模,所提出的模型有效地使用了所有可用的数据,因此不仅适合极端情况,而且还模拟了整个降雨分布。它捕捉空间和时间聚类,以及空间和时间变化的波动性和偏度。该模型假设区域降水是由一个潜在的过程,其特征是地理和气候协变量驱动。未完全描述的协变量的影响被捕获的空间和时间结构的层次结构。MCMC使用梅特罗波利斯-黑斯廷斯算法和空间插值方法提供推断,这为估计不确定性提供了一种自然的方法。同样,空间和时间的预测与不确定性可以产生的模型。
2014-11-18 stat.AP stat.ME
Conditional Modelling of Spatio-Temporal Extremes for Red Sea Surface Temperatures
最近的极值理论文献已经看到显着强调空间极端的建模,相对较少的考虑时空扩展。这忽略了极端事件的一个重要特征:它们随时间的演变。许多现有的模型的空间的情况下,它们可以处理的位置的数量是有限的,这阻碍了扩展到时空设置,需要更高的维度的模型。此外,确实存在的时空模型在它们可以捕获的极端依赖类型的范围方面是限制性的。最近,有条件的方法研究多元和空间的极端已经提出,享受的好处,在计算效率和捕获渐近依赖和渐近独立的能力。我们将这类模型扩展到时空环境,条件是在单个时空位置出现极值。我们采用复合似然方法进行推理,它结合了多个时空条件位置的全似然信息。我们将我们的模型应用于红海的表面温度,表明它适合使用一系列的诊断图,并演示了它如何用于评估由于连续几天的高水温导致的珊瑚漂白的风险。
2020-06-24 stat.AP stat.ME
Test for tail index change in stationary time series with Pareto-type marginal distribution
尾部指数表示尾部分布的丰满程度,是极值理论的一个重要组成部分,因为它控制了样本最大值等极值的渐近分布。在本文中,我们考虑的问题,测试的变化在尾部索引的时间序列数据。作为检验,我们采用累积和检验,并研究其零极限分布。此外,我们推导了基于自回归模型残差的累积和检验的零极限分布。提供仿真结果以供说明。
2009-06-11 math.ST stat.TH
Spliced Binned-Pareto Distribution for Robust Modeling of Heavy-tailed Time Series
AWS ProServe(亚马逊云科技专业服务);Amazon Research(亚马逊研究院)
本文提出了一种新的方法,在非平稳的情况下,鲁棒和准确地建模具有重尾噪声的时间序列。在许多实际应用中,时间序列具有严重影响经典预测模型性能的重尾噪声;特别地,精确地建模极端事件的分布对于执行精确的时间序列异常检测至关重要。我们提出了一个拼接Binned-Pareto分布,它既对极端观测具有鲁棒性,又允许对全分布进行精确建模。我们的方法允许捕获的时间依赖性的高阶矩的分布,如尾部沉重。我们比较了我们的方法的尾部估计的鲁棒性和准确性,以其他国家的最先进的方法在Twitter上提到计数时间序列。
2022-07-29 cs.LG stat.CO stat.ML
Editorial: EVA 2019 data competition on spatio-temporal prediction of Red Sea surface temperature extremes
在现代统计应用中,大量的非平稳时空数据无处不在,时空极端情况的建模对于评估环境科学等领域的风险至关重要。虽然对极端事件的建模本身就具有挑战性,但预测未观测到的空间位置和时间点的罕见事件则更加困难。在这篇社论中,我们描述了为第11届极端值分析国际会议(EVA 2019)组织的数据竞赛,其中几个团队在空间和时间上模拟和预测了红海表面温度极值。在介绍了数据集和比赛目标之后,我们公布了团队的最终排名,最后我们讨论了一些有趣的结果和未来的挑战。
2019-12-02 stat.AP stat.CO
A spatio-temporal statistical framework for heatwave attribution under climate change
UCLouvain(法语鲁汶大学);KU Leuven(荷语鲁汶大学);University of Leicester(莱斯特大学)
本文提出一种统一的时空统计框架,用于归因气候变化下的热浪,通过结合空间量化回归模型、非平稳空间极值模型和皮尔逊模型,分析热浪的概率和持续性,提升对传统方法无法捕捉的热浪特征的归因能力。
2026-04-29 stat.AP stat.ME
Expansions for Quantiles and Multivariate Moments of Extremes for Distributions of Pareto Type
令$X_{nr}$为来自$α> 0$和$β> 0$的分布$F (x) = 1 - \sum_{i = 0}^\infty c_i x^{-α- i β}$的大小为$n$的随机样本的第11个最大值。本文证明了一个反演定理,并利用它导出了分位数$F^{-1} (u)$及其幂的展开式,由此给出了固定${\bf s} = (s_1, ..., s_k)$的极值$\{X_{n, n - s_i}, 1 \leq i \leq k \}/n^{1/α}$的多元矩的$(n^{-1}, n^{-β/α})$的幂展开式,其中$k \geq 1$ .例子包括柯西,学生$t$,$F$,第二极端分布和稳定的法律指数$α< 1$。
2009-03-25 stat.ME
Predicting Customer Churn: Extreme Gradient Boosting with Temporal Data
Seycor Consulting(Seycor咨询公司)
利用大规模时间序列数据准确预测客户流失是许多商业领域面临的共同问题。由于时间序列数据常见的时间问题,跨各种时间窗口创建用于训练和测试的模型特征可能特别具有挑战性。在本文中,我们将探索极端梯度提升(XGBoost)在具有各种时间特征的客户数据集上的应用,以创建高度准确的客户流失模型。特别是,我们描述了一种有效的方法来处理时间敏感的特征工程。该模型在WSDM Cup 2018 Churn Challenge中提交,并在575支球队中获得第一名。
2018-02-09 cs.AI cs.LG stat.ML
Spatio-temporal modeling of urban extreme rainfall events at high resolution
IMAG, Univ. Montpellier(蒙彼利埃大学);CNRS(法国国家科学研究中心);Inria LEMON team(INRIA LEMON团队);BioSP, Inrae(法国国家农业食品与环境研究院 BioSP部门)
本文提出一种新颖的时空随机模型,用于高分辨率城市极端暴雨建模,结合真实边缘行为和灵活的依赖结构,通过雷达再分析数据估计经验对流速度,准确再现蒙彼利埃OMSEV网络观测到的极端暴雨时空结构。
2026-04-22 stat.AP
Modeling Spatio-temporal Extremes via Conditional Variational Autoencoders
本文提出一种基于条件变分自编码器的模型,用于建模时空极值,并通过实验展示其在现实场景中的应用价值。
2025-12-06 cs.LG stat.ME stat.ML
Analysis of temporal properties of wind extremes
本文研究了分布在瑞士境内相当均匀的132个测站记录的10分钟平均风速序列。风极值的定义是基于运行理论:固定风速分布的基于风速的阈值,风极值被定义为高于阈值的连续风值(或极值的持续时间)的序列。这个定义允许分析极端的序列作为一个时间点的过程,标志着极端的持续时间。在瑞士测得的风速极值持续时间的平均概率密度函数不依赖于基于阈值的极值,并随着极值持续时间的增加而减小。利用全局和局部变异系数以及Allan因子分析了风极值序列的时间聚类行为。风极值是全球性的时间聚集,虽然他们往往表现为泊松过程的最小极端持续时间的增加。在当地,对于位于海拔约2,000米以上的台站,风极值往往集中在任何基于风速的阈值上。通过使用艾伦因子,它揭示了风极值往往是集群,即使在较低的时间尺度,特别是较高的站。
2018-08-27 stat.AP
Spatio-temporal modelling of extreme storms
一个灵活的时空模型被用于分析1979-2009年大西洋和欧洲上空6小时再分析中客观确定的极端热带外气旋。空间变化的极端属性的气旋捕获使用150个单元格的空间正则化,纬度作为协变量,和空间随机效应。北大西洋涛动(NAO)也被用作协变量,并被发现有一个显着的影响,加强极端风暴的行为,特别是在北欧和伊比利亚半岛。对最低海平面气压下限的估计通常比历史风暴观测到的最低值低10-50百帕,当NAO指数为正值时差异最大。
2015-01-26 stat.AP
Joint modeling of low and high extremes using a multivariate extended generalized Pareto distribution
本研究提出多元扩展广义帕累托分布,联合建模低高极端值,保留单变量特性且上下尾符合极值理论,并用神经网络快速估计,在荷兰降雨数据上验证有效。
2025-09-07 stat.ME
Copula-based spatio-temporal modeling of air pollutant data incorporating covariate dependencies
针对韩国PM10浓度超标的问题,提出结合协变量时空邻域的藤Copula时空建模方法,采用Gumbel和广义极值分布为边际分布,在极值预测上优于传统模型,可推广至多领域复杂依赖结构建模。
2025-03-20 stat.AP
An extended generalized Pareto regression model for count data
针对计数型离散极值建模中阈值难选及主体数据与尾部数据割裂的问题,提出带平滑过渡和零膨胀参数的扩展广义 Pareto GAM 回归模型,并通过雪崩数据验证其更灵活稳健。
2024-06-17 stat.ME
A latent trawl process model for extreme values
本文提出了一种新的模型,用于表征阈值以上的时间依赖性。该模型是基于类拖网过程,这是平稳的,无限可分的随机过程。极值模型通过在层次框架中嵌入拖网过程来构建,这确保了边缘分布是广义Pareto,正如经典极值理论所期望的那样。我们还考虑了一个修改后的版本,这个模型的工作范围更广的广义帕累托分布类,并具有分离边际和时间依赖属性的优势。环境时间序列的应用程序说明了该模型,它表明,该模型提供了相当大的灵活性,在捕捉极端值数据的依赖结构。
2017-12-18 stat.ME
Statistical inference for radial generalized Pareto distributions and return sets in geometric extremes
本文基于径向-方向分解提出新型极限Poisson点过程与径向广义Pareto分布,通过归一化函数构建回归集,并开发支持二维、三维高效计算的贝叶斯推断模型,用于多元极值的稳健分析。
2025-01-29 stat.ME
Inference for extreme spatial temperature events in a changing climate with application to Ireland
我们调查的频率,幅度和极端温度在爱尔兰的空间范围从1931年到2022年的变化性质。我们开发了一个极端值模型,捕捉极端日最高温度数据的空间和时间的非平稳性。我们使用广义帕累托分布和极端事件的空间依赖性的半参数布朗-Resnick r-广义帕累托过程的边缘变量的尾部建模,每个模型的参数允许随时间变化。我们使用气象站的观测数据来模拟极端事件,因为气候模型的数据(不以观测数据为条件)可能会过度平滑这些事件,并具有由特定气候模型配置确定的趋势。然而,气候模式确实提供了有关爱尔兰详细的自然地理和相关气候反应的宝贵信息。我们提出了新的方法,利用气候模型的数据,以克服与稀疏和有偏采样的观察问题。我们的分析确定了极端温度事件的边缘行为在研究领域的时间变化,这是远远大于在这个时间窗口的平均温度水平的变化。我们说明了这些特性如何导致超过临界温度的事件的空间覆盖率增加。
2023-03-31 stat.ME
Analysis of extreme values with random location
通过统计建模分析罕见和极端值是经济危机、气候预测和金融组合风险管理中的重要问题。极值理论为极值的统计建模提供了所需的概率模型。通常有两种方法来识别数据集中的极值,块极大值法和峰值超过阈值法。块最大值方法使用广义极值分布,峰值超过阈值方法使用广义帕累托分布。这些分布的位置通常保持不变。一些未观测到的变量可能会在假设分布的位置上产生异质性。在这篇文章中,我们专注于模拟这种不可观察的异质性块极大值方法。
2017-02-14 stat.ME
Bayesian Uncertainty Management in Temporal Dependence of Extremes
在对平稳时间序列的极值进行建模时,必须同时描述边际特征和相关特征。边际建模有标准的方法,但长期和短期的极端依赖性都可能出现。在应用中,长程独立性的假设通常看起来是合理的,但是短程相关性,即,极端现象的聚集,需要引起注意。极值指标$0<θ\le 1$是聚类的一种自然限制性度量,但对于包括所有平稳高斯过程在内的大类相依过程,它不能用$θ=1$区分相依过程和独立过程。Eastoe和Tawn(2012)通过引入基于阈值的极值指数,利用多变量极值的方法来处理平稳时间序列的亚渐近极值依赖结构,涵盖$0<θ<1$和$θ=1$。他们的依赖模型的推断使用一个低效的逐步程序,有各种弱点,并没有可靠的不确定性评估。我们克服了这些问题,使用贝叶斯半参数方法。模拟和英国每日河流流量时间序列的分析表明,新的方法提供了更高的效率,估计性能的泛函的集群。
2016-03-16 stat.ME
Directional variograms for multivariate extremes
University of Geneva(日内瓦大学);University of Twente(特温特大学);KU Leuven and UCLouvain(鲁汶大学和法语鲁汶大学)
研究多元广义帕累托分布,通过将多元广义帕累托随机向量Y限制在任意半空间来推广现有推断方法,引入v-变差函数,建立分解关系,得出相关随机变量结果,并在模拟研究中展示了方向选择对偏差-方差权衡的影响。
2026-07-07 stat.ME
Fast and flexible inference for spatial extremes
本文针对高维空间极端事件建模的计算难题,提出了满足指数测度连续性的skewed Brown-Resnick和truncated extremal-t模型,并基于过程强度函数设计了一种统计与计算高效的推断方法。
2025-05-30 stat.ME
deepspat: An R package for modeling nonstationary spatial and spatio-temporal Gaussian and extremes data through deep deformations
Research School of Finance, Actuarial Studies and Statistics, Australian National University(澳大利亚国立大学金融、精算与统计研究学院);Statistics Program, CEMSE Division, King Abdullah University of Science and Technology(阿卜杜拉国王科技大学CEMSE学部统计学项目);School of Mathematics and Applied Statistics, University of Wollongong(伍伦贡大学数学与应用统计学院)
deepspat通过深度变形方法实现非平稳空间和时空数据的建模与预测,适用于高斯和极值数据。
2025-12-09 stat.CO stat.ME
Temporal evolution of the extreme excursions of multivariate $k$th order Markov processes with application to oceanographic data
本文建立了两个多变量$k$阶马尔可夫过程极端事件时间演化的模型。我们方法的基础在于Hongnan & Tawn(2004)的条件极值模型,它自然地扩展了Winter & Tawn(2016,2017)和Tendijck等人的工作。(2019)包括多元随机变量。我们使用交叉验证类型的技术来开发一个模型的顺序选择程序,我们测试我们的模型在北海北部的一个位置的二维气象海洋学数据与方向协变量。我们的结论是,新开发的模型比广泛使用的历史匹配方法,这些数据表现更好。
2023-02-28 physics.ao-ph stat.AP stat.ME
High-dimensional modeling of spatial and spatio-temporal conditional extremes using INLA and Gaussian Markov random fields
本文提出基于 INLA 和高斯马尔可夫随机场的条件极值模型,用于高效处理大型空间与时空数据集的贝叶斯推断,并应用于红海温度极值分析。
2022-05-13 stat.CO stat.ME
Random Pareto front surfaces
Imperial College London(帝国理工学院);BASF SE(巴斯夫公司)
本研究提出用极坐标下的标量长度函数参数化Pareto前沿曲面,构建随机Pareto前沿的理论与统计量,支持实验设计中的不确定性量化与决策,可应用于多元极值理论并经真实数据验证。
2024-06-21 cs.LG math.OC stat.ME