使用分布式神经网络对降雨空间极端依存关系进行建模
机器学习
2026-05-01 v3 机器学习
摘要
本文提出一种基于生成式神经网络的仿真估计方法，用于确定降雨极端值的及其不确定性在时间和空间上的依赖关系。在降雨极端值在时空依存关系下的常见框架内，我们的方法允许估计过程参数及其相应的不确定性，同时提供对空间依存性的显式非参数估计，通过成对的极端系数函数实现。我们在详尽的有限样本研究中展示了该方法的有效性和鲁棒性，在那些难以采用闭式似然估计的复杂情形下，我们获得了良好的性能。我们采用该技术研究了西德国2021-2023年的月降雨极端值，这一时期包含了2021年7月的一次极端降雨和连续洪水事件，造成了巨大的死亡。超出所考虑的setting 后，所提出的方法及其主要生成思想也具有广泛的潜在应用前景。
关键词
引用
@article{arxiv.2407.08668,
title = {Modeling Spatial Extremal Dependence of Precipitation Using Distributional Neural Networks},
author = {Christopher Bülte and Lisa Leimenstoll and Melanie Schienle},
journal= {arXiv preprint arXiv:2407.08668},
year = {2026}
}