用于降水短期预测的动态非平稳时空模型
应用统计
2013-01-17 v6
摘要
降水是一个复杂的物理过程，在空间和时间上均存在变化。对未观测时间和/或地点的预测与插值有助于解决许多领域的重要问题。本文提出一个用于时空数据的层次贝叶斯模型，并将其应用于降水的短期预测。该模型融入了决定降水的潜在过程的物理知识，如平流、扩散和对流。它基于时间自回归卷积，其创新项具有空间有色、时间白噪声的特性。通过将卷积核的平流参数与外部风矢量关联，模型在时间上呈现非平稳性。此外，该模型允许不可分离和各向异性的协方差结构。借助Voronoi剖分，我们为不规则网格点上的数据构建了一个自然的参数化方法，该方法在空间和时间分辨率上保持一致。在应用中，该统计模型将数值天气预报模型获得的三个其他气象变量的预报与历史降水观测相结合。然后，该模型用于预测24小时内的三小时降水。其表现优于可分离、平稳和各向同性的版本，与确定性数值天气预报模型的降水预测性能相当，并且具有量化预测不确定性的优势。
引用
@article{arxiv.1102.4210,
title = {A dynamic nonstationary spatio-temporal model for short term prediction of precipitation},
author = {Fabio Sigrist and Hans R. Künsch and Werner A. Stahel},
journal= {arXiv preprint arXiv:1102.4210},
year = {2013}
}
备注
Published in at http://dx.doi.org/10.1214/12-AOAS564 the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)