用于预测北京空气污染的贝叶斯非线性状态空间Copula模型
应用统计
2019-11-12 v2
摘要
空气污染是当前影响世界上许多工业城市的严重问题，并可导致人群重病。特别地，已证实空气污染物极端高浓度对人类健康具有危险的短期效应，表现为心血管与呼吸系统疾病住院增加及死亡风险上升。出于这些原因，对空气污染物浓度的准确估计与预测至关重要。本文中，我们提出一种灵活的新方法来建模2014年在北京采集的细颗粒物小时测量值与气象数据。我们表明，基于高斯假设的标准状态空间模型未能正确捕捉观测值的时间动态。因此，我们提出一种非线性非高斯状态空间模型，其中观测方程与状态方程均由copula设定定义，并使用哈密顿蒙特卡洛方法执行贝叶斯推断。所提出的copula状态空间方法非常灵活，因其允许我们分别建模边缘分布并容纳数据动态中广泛的依赖结构。我们展示所提方法不仅可预测颗粒物测量值，还可研究用户指定气候情景的效应。
引用
@article{arxiv.1903.08421,
title = {A Bayesian Non-linear State Space Copula Model to Predict Air Pollution in Beijing},
author = {Alexander Kreuzer and Luciana Dalla Valle and Claudia Czado},
journal= {arXiv preprint arXiv:1903.08421},
year = {2019}
}