分位数谱的半参数估计方法及其在地震分类卷积神经网络中的应用
统计方法学
2019-10-17 v1 应用统计
摘要
本文介绍了一种新的分位数谱估计方法，该方法使用自回归（AR）谱的参数形式并结合非参数平滑。该方法首先通过在不同分位数水平上进行三角分位数回归构建分位数周期图，以表示时间序列在不同分位数上的序列依赖性。在每个分位数水平上，我们用一个普通 AR 谱形式的函数来近似分位数谱。在此模型中，我们首先通过每个分位数水平上分位数周期图的逆傅里叶变换，计算出我们称之为分位数自协方差函数（QACF）的量。然后，我们求解由 QACF 构成的 Yule-Walker 方程，以获得分位数偏自相关函数（QPACF）和尺度参数。最后，我们使用非参数平滑器在分位数水平上对 QPACF 和尺度参数进行平滑，将平滑后的 QPACF 转换为 AR 系数，并得到 AR 谱密度函数。数值结果表明，所提出的方法优于其他传统平滑技术。我们利用估计量的二维特性，训练了一个卷积神经网络（CNN）对平滑后的地震数据分位数周期图进行分类，并取得了比使用普通周期图的类似分类器更高的准确率。
引用
@article{arxiv.1910.07155,
title = {A Semi-Parametric Estimation Method for the Quantile Spectrum with an Application to Earthquake Classification Using Convolutional Neural Network},
author = {Tianbo Chen and Ying Sun and Ta-Hsin Li},
journal= {arXiv preprint arXiv:1910.07155},
year = {2019}
}
备注
24 pages, 3 figures and 5 tables