水文变量极值行为的贝叶斯空间聚类
统计方法学
2019-06-21 v1 应用统计
摘要
为满足一系列水文极值问题高效推断的需求，信息空间汇集是边际尾部估计的标准方法。我们提出了首个极值空间聚类方法，该方法同时考虑边际尾部的相似性与数据的空间依赖结构，以确定适当的汇集水平。空间依赖以两种方式纳入：用于确定聚类选择，以及在作边际推断时考虑同一聚类内不同站点间数据的依赖性。我们引入了一种成对极值依赖的统计模型，该模型纳入了站点间距离，并容纳了我们的信念，即同一聚类内的站点往往比不同聚类间的站点表现出更高程度的依赖性。我们采用贝叶斯框架，该框架同时学习聚类的数量及其空间结构，并使得站点特定极值边际分布的推断能够纳入聚类分配中的不确定性。该方法通过模拟、挪威日降水量的分析以及英国日河流流量水平的分析加以说明。
引用
@article{arxiv.1906.08522,
title = {Bayesian spatial clustering of extremal behaviour for hydrological variables},
author = {Christian Rohrbeck and Jonathan A Tawn},
journal= {arXiv preprint arXiv:1906.08522},
year = {2019}
}
备注
41