从有限时序数据学习：动态稀疏历史函数线性模型及其在地球科学中的应用
统计方法学
2024-04-05 v2 应用统计
摘要
科学家与统计学家常希望了解连接两个时变变量的复杂关系。近期关于稀疏历史函数线性模型的研究证实其在此方面颇具前景，但仍存在若干显著局限。最重要的是，以往工作在历史系数函数上施加了稀疏性，却未允许稀疏性（即滞后）随时间变化。我们通过采用矩形系数结构结合 Whittaker 平滑，简化了稀疏历史函数线性模型框架，进而通过从层次化系数结构估计动态时间滞后，降低了先前框架的假设要求。我们以提取隐藏在水文数据中的物理降雨-径流过程为研究动机。我们利用八项模拟研究展示了方法的潜力与准确性，并通过两组真实水文数据进一步验证。
引用
@article{arxiv.2303.06501,
title = {Learning from limited temporal data: Dynamically sparse historical functional linear models with applications to Earth science},
author = {Joseph Janssen and Shizhe Meng and Asad Haris and Stefan Schrunner and Jiguo Cao and William J. Welch and Nadja Kunz and Ali A. Ameli},
journal= {arXiv preprint arXiv:2303.06501},
year = {2024}
}