卷积非齐次泊松过程及其在输电网络野火风险量化中的应用
统计方法学
2023-01-03 v1 应用统计
摘要
当前预测显示，未来数十年美国大陆大部分地区将出现显著更热更干的天气，导致更多野火灾害，威胁电网安全。遗憾的是，美国电力行业准备不足，仍主要依赖未考虑全部动态环境因素谱的经验火险指数。本文提出一种新的时空点过程模型——卷积非齐次泊松过程(cNHPP)，以量化输电网络的野火风险。所提模型捕捉了协变量对野火风险的当前短期与累积长期效应，以及输电网络不同区段间的时空依赖。强度函数的计算与解释被深入探究，并讨论了cNHPP与循环神经网络之间的联系。我们将所提方法应用于估算加州主要输电线路上的野火风险，利用了从历史火灾数据及美国国家海洋和大气管理局和国家航空航天局获取的气象与植被数据。通过对比研究展示了所提方法的适用性与预测能力。获得了可潜在增强电网抗野火韧性的有用见解。
引用
@article{arxiv.2301.00067,
title = {Convolutional Non-homogeneous Poisson Process with Application to Wildfire Risk Quantification for Power Delivery Networks},
author = {Guanzhou Wei and Feng Qiu and Xiao Liu},
journal= {arXiv preprint arXiv:2301.00067},
year = {2023}
}