一种将大尺度地理描述子融入全球过程的演化谱方法
应用统计
2016-02-25 v2
摘要
我们为球面上的网格化数据引入了一种非平稳时空统计模型。该模型指定了一种计算上便捷的协方差结构，该结构依赖于异质的地理特征。球面域上广泛使用的统计模型对不同纬度是非平稳的，但在同一纬度上是平稳的（轴对称性）。这一假设已被公认对于诸如地表温度等量过于严格，因为地表温度的统计行为受到陆地与海洋等大尺度地理描述子的影响。我们提出了一种演化谱方法，能够解释地球地理上的不同状态，并产生一类更通用、更灵活的模型，其性能远超轴对称模型，并能捕捉到原本会被假定为恒定的经向模式。该模型可通过一种多步条件似然近似进行估计，该近似在保留非平稳特征的同时允许易于分布式计算：我们展示了如何在最先进的工作站上，在不到一天的时间内完成对超过2000万个数据的数据集的拟合。一旦参数估计完成，便可在普通笔记本电脑上即时生成替代运行。此外，所得统计模型的估计结果可视为对整个初始条件集合时空特征的一种综合描述（即压缩）。与旨在逐比特压缩每个气候模式运行信息的传统算法相比，所提出的方法实现了远超其上的压缩率。
引用
@article{arxiv.1507.03401,
title = {An Evolutionary Spectrum Approach to Incorporate Large-scale Geographical Descriptors on Global Processes},
author = {Stefano Castruccio and Joseph Guinness},
journal= {arXiv preprint arXiv:1507.03401},
year = {2016}
}