通过聚类高斯过程检测不列颠哥伦比亚海岸降雨模式
应用统计
2020-04-07 v2 统计方法学
机器学习
摘要
函数型数据分析是一种假设数据遵循某种函数形式的统计框架。该分析方法通常应用于时间序列数据，其中连续或离散区间度量的时间作为函数值的位置。高斯过程是多元正态分布在函数空间上的推广，本文中用其揭示不列颠哥伦比亚（BC）海岸的降雨模式。具体而言，本工作探讨了应如何对 BC 或任何类似海岸降雨数据进行探索性聚类分析。我们提出了一种基于多个过程底层协方差核相似度、对可比区间上观测的多个过程进行聚类的方法。该方法对 BC 数据提供了有趣的见解，这些见解可用 El Ni\~{n}o 和 La Ni\~{n}a 来表述；然而结果并非简单地分为代表 El Ni\~{n}o 年的一个簇与代表 La Ni\~{n}a 年的另一个簇。从某一角度看，结果表明对年降雨量的聚类可潜在用于识别极端天气模式。
引用
@article{arxiv.1812.09758,
title = {Detecting British Columbia Coastal Rainfall Patterns by Clustering Gaussian Processes},
author = {Forrest Paton and Paul D. McNicholas},
journal= {arXiv preprint arXiv:1812.09758},
year = {2020}
}