月最大瞬时流量的贝叶斯分层模型
应用统计
2016-06-27 v1 统计计算
统计方法学
摘要
我们提出了一个用于河流流域月最大瞬时流量的综合贝叶斯分层模型。采用Gumbel分布作为观测值的概率模型，并假设这些观测值来自多个流域。我们建议的潜变量模型是高斯型的，并专为月最大值设计，相比使用年最大值的标准方法，能更好地利用数据。在潜变量层面，对Gumbel分布的位置参数和尺度参数均使用了线性混合模型，以考虑季节性依赖和来自流域的协变量。先验分布的设定采用了惩罚复杂度（PC）先验，以确保对潜变量参数的稳健推断。PC先验背后的主要思想是向一个基础模型收缩，从而避免过拟合。PC先验还提供了一个基于简单尺度概念进行先验设定的便捷框架。回归系数的先验分布也基于水文和气象知识进行设定。后验推断使用MCMC分裂采样器完成，这是一种针对潜变量高斯模型量身定制的高效Gibbs分块方案。所提出的模型应用于来自冰岛八个河流流域的观测数据。一项交叉验证研究展示了良好的预测性能。
引用
@article{arxiv.1606.07667,
title = {A Bayesian hierarchical model for monthly maxima of instantaneous flow},
author = {Egil Ferkingstad and Oli Pall Geirsson and Birgir Hrafnkelsson and Olafur Birgir Davidsson and Sigurdur Magnus Gardarsson},
journal= {arXiv preprint arXiv:1606.07667},
year = {2016}
}