数据挖掘探究极端地面臭氧事件的气象驱动因子
应用统计
2016-03-14 v4
摘要
本项目旨在探索哪些气象条件组合与极端地面臭氧条件相关。我们的方法仅聚焦于尾部，通过优化臭氧响应与气象协变量函数之间的尾部依赖。由于可能的气象协变量列表很长，可能的模型空间无法被完全探索。因此，我们在模型选择背景下执行数据挖掘，采用自动模型搜索过程。我们的研究在极值应用中是独特的，因为优化尾部依赖此前未被尝试过，并且它带来了新的挑战，例如需要一个平滑阈值。我们提出了一项模拟研究，表明该方法能够检测导致极端响应的复杂条件并抵抗过拟合。我们将该方法应用于亚特兰大和夏洛特的臭氧数据，发现这两座美国东南部城市具有相似的气象驱动因子。我们确定了几个协变量，有助于区分导致极端臭氧水平的气象条件与仅导致较高水平的气象条件。
引用
@article{arxiv.1504.08080,
title = {Data Mining to Investigate the Meteorological Drivers for Extreme Ground Level Ozone Events},
author = {Brook T. Russell and Daniel Cooley and William C. Porter and Brian J. Reich and Colette L. Heald},
journal= {arXiv preprint arXiv:1504.08080},
year = {2016}
}