通过贝叶斯小波估计识别体制转换：来自塔夸里河谷洪水检测的证据
统计方法学
2023-10-10 v2 应用统计
摘要
两成分混合模型已被证明是多种聚类分析情境中建模异质性的有力工具。然而，大多数基于这些模型的方法都假设混合权重具有恒定行为，这在某些应用中可能具有限制性且不合适。在本文中，我们放宽这一假设，并允许混合权重根据指标（例如时间）变化，以使模型对更广泛的数据集更具适应性。我们提出了一种高效的 MCMC 算法，从其后验样本中联合估计成分参数与动态权重。我们在动态权重的不同情景下通过运行蒙特卡洛模拟研究来评估该方法的性能。此外，我们将该算法应用于记录巴西南部一条河流水位的时间序列。塔夸里河是一水体，其频繁的洪水淹没已对沿岸社区造成各种损害。实施动态混合模型使我们能够恰当地描述受这些现象影响最严重区域的洪水体制。
引用
@article{arxiv.2307.14828,
title = {Identifying regime switches through Bayesian wavelet estimation: evidence from flood detection in the Taquari River Valley},
author = {Flávia Castro Motta and Michel Helcias Montoril},
journal= {arXiv preprint arXiv:2307.14828},
year = {2023}
}
备注
18 pages; 10 figures; ESTE 2023; typos corrected