一种用于预测美国本土野火极端事件的边际建模方法

本文详述了为 EVA 2021 会议数据挑战赛所提出的方法论。该挑战赛旨在预测 1993 至 2015 年间美国本土野火的数量与规模，并更重视极端事件。在所提供的数据集中，超过 14% 的野火次数和过火面积观测值缺失；该挑战赛的目标是从这些缺失观测值的分布函数中估计一系列边际概率。为实现此预测，我们假设缺失观测值的边际分布可利用邻近位置的非缺失数据来推断。在我们的方法中，我们为每个缺失观测值选取空间邻域，并对这些区域内的非缺失观测值拟合边际模型。对于野火次数，我们假设汇总数据集服从零膨胀负二项分布；而对于过火面积值，我们分别使用非参数和参数技术对汇总数据集的主体与尾部建模。交叉验证用于选择调谐参数，所得预测显著优于挑战赛大纲中提出的基准方法。我们以对建模框架的讨论作结，并评估其可扩展的方向。