区域年代际可预测性的贝叶斯方法：高纬度海表温度变率高维线性逆模型中的稀疏参数估计
统计方法学
2020-04-29 v1 大气与海洋物理
数据分析、统计与概率
摘要
随机降阶模型是气候系统中的重要工具，其许多空间和时间尺度无法被完全离散化，或潜在物理可能未被完全考虑。一种降阶模型形式，即线性逆模型（LIM），已被广泛用于区域气候可预测性研究——通常更多关注热带或中纬度研究。然而，大多数 LIM 拟合技术依赖于源自涨落耗散理论的点估计技术。在本方法学研究中，我们探索使用贝叶斯推断技术对海表温度（SST）进行 LIM 参数估计，以量化贝叶斯 LIM 模型在高纬度的有效年代际可预测性。我们表明，与传统的 LIM 型模型点估计方法相比，贝叶斯方法提供了更好校准的概率技巧，同时由于先验分布在高维问题中的正则化效应而提供了更好的点估计。我们比较了若干先验以及最大似然估计对（1）在完美模型实验中估计参数值和（2）使用 Community Earth System Model（CESM）的工业前控制运行生成校准的 1 年 SST 距平预报分布的影响。最后，我们采用大量概率技巧度量来确定 LIM 能在多大程度上预报高纬度 SST 距平。我们发现先验分布的选择对估计结果有显著影响，且强调物理相关性质的先验增强了模型捕捉 SST 距平变率的能力。
引用
@article{arxiv.2004.13105,
title = {A Bayesian approach to regional decadal predictability: Sparse parameter estimation in high-dimensional linear inverse models of high-latitude sea surface temperature variability},
author = {Dallas Foster and Darin Comeau and Nathan M. Urban},
journal= {arXiv preprint arXiv:2004.13105},
year = {2020}
}
备注
This work has been accepted to the Journal of Climate. The AMS does not guarantee that the copy provided here is an accurate copy of the final published work