一种supCBI过程及其在河流流量中的应用与模型约化
统计方法学
2022-06-14 v1 概率论
摘要
我们提出一种用于河流流量时间序列的跳跃驱动随机模型，称为带 immigrations 的连续状态分支过程叠加(一个supCBI过程)。它是一个非马尔可夫模型，能够再现水文数据中发现的次指数自相关。将作为矩阵解析方法一种版本的马尔可夫嵌入应用于supCBI过程，成功给出了统计矩和自相关的解析公式。在研究站点识别了supCBI过程，这些站点有可用的小时河流流量数据。我们还考虑了另一种马尔可夫嵌入，作为supCBI过程到高流量与低流量体制的连续时间二元半马尔可夫链的模型约化。我们表明等待时间可用指数分布的混合建模， suggesting 半马尔可夫链可作为supCBI过程的有效约化模型。
引用
@article{arxiv.2206.05923,
title = {A supCBI process with application to streamflow discharge and a model reduction},
author = {Hidekazu Yoshioka},
journal= {arXiv preprint arXiv:2206.05923},
year = {2022}
}
备注
This work was prepared as a manuscript version of a presentation at the conference The 11th Matrix-Analytic Methods in Stochastic Models. This preprint is Version 1 on June 13, 2022