基于谱近似与拉普拉斯近似的大空间闪电数据对数高斯 Cox 过程建模
应用统计
2021-12-01 v1 统计计算
摘要
闪电是强风暴中具有破坏性和高度可见的产物，然而关于闪电最可能发生条件的研究仍有许多未知。NOAA 和 NASA 于 2016 年和 2018 年发射的 GOES-16 和 GOES-17 卫星收集了关于个体闪电击发事件及潜在相关大气变量的大量数据。闪电数据的突发性质与固有空间相关性使得标准回归分析不适用。此外，由于希望分析海量且快速增长的闪电数据，计算考量尤为突出。我们提出一种计算可行的新方法，在 EM 算法中结合谱近似与拉普拉斯近似（记为 SLEM），以将广受欢迎的对数高斯 Cox 过程模型拟合于大空间点模式数据集。在模拟中，我们发现 SLEM 在速度与精度上可与当代技术竞争。当应用于两个闪电数据集时，SLEM 提供了更好的样本外预测分数与更快的运行时间，表明其对于分析信号往往稀疏的闪电数据具有特殊效用。
引用
@article{arxiv.2111.15670,
title = {Log-Gaussian Cox Process Modeling of Large Spatial Lightning Data using Spectral and Laplace Approximations},
author = {Megan L. Gelsinger and Maryclare Griffin and David S. Matteson and Joseph Guinness},
journal= {arXiv preprint arXiv:2111.15670},
year = {2021}
}