大规模观测系统不确定性实验中具有高维函数输出的计算机模型仿真
应用统计
2020-11-03 v2 统计计算
统计方法学
摘要
观测系统不确定性实验（OSUEs）近来被提出作为对 NASA 的轨道碳观测站-2（OCO-2）任务进行检索概率评估的一种经济有效方式。OCO-2 检索算法的一个重要组成部分是全物理前向模型，它描述了二氧化碳等大气变量与遥感仪器测量的辐射亮度之间的数学关系。该前向模型复杂且计算昂贵，但大规模 OSUEs 需要多次评估该模型，这使得全面实验不可行。为解决此问题，我们开发了一种统计仿真器，通过独立仿真来促进 OCO-2 任务中的大规模 OSUEs。在每个不同的光谱波段内，该仿真器通过基函数与随机系数的线性组合表示不规则波长处的辐射亮度输出。然后这些随机系数用具有通过主动子空间内置输入降维的最近邻高斯过程建模。所提仿真器在输入空间和输出空间均降低维度，从而在完全贝叶斯推断框架内实现快速计算。验证实验表明，该仿真器优于其他竞争统计方法以及近似全物理前向模型的降阶模型。
引用
@article{arxiv.1911.09274,
title = {Computer Model Emulation with High-Dimensional Functional Output in Large-Scale Observing System Uncertainty Experiments},
author = {Pulong Ma and Anirban Mondal and Bledar Konomi and Jonathan Hobbs and Joon Song and Emily Kang},
journal= {arXiv preprint arXiv:1911.09274},
year = {2020}
}
备注
45 pages