用平稳极大稳定过程与多维缩放建模非平稳极端依赖
统计方法学
2018-11-29 v2
摘要
对多个地点的极端天气事件联合分布进行建模是一项具有重要应用且富有挑战的任务。在本研究中,我们使用极大稳定模型研究瑞士的极端日降水事件。所关注空间过程的非平稳性带来了重要挑战,通常通过在所谓气候空间中使用平稳模型并选取合适协变量来处理。此处,我们转而使用多维缩放(MDS)将所研究的气象站扭曲到一个更高维度的潜空间中。该方法的优势在于其改进了灵活性以再现高度非平稳现象,同时在潜空间中保持易处理的平稳空间模型。本文提出并比较了两种均使用 MDS 的模型拟合方法,以及与依赖气候空间中复合似然最大化的经典方法。结果表明,所提方法能更好地再现观测到的极端系数及其复杂空间依赖。
引用
@article{arxiv.1711.01878,
title = {Modeling non-stationary extreme dependence with stationary max-stable processes and multidimensional scaling},
author = {Clément Chevalier and David Ginsbourger and Olivia Martius},
journal= {arXiv preprint arXiv:1711.01878},
year = {2018}
}