关于古气候重建中不确定性的贝叶斯建模
应用统计
2012-06-25 v1
摘要
我们概述了一种模型和算法，用于从花粉代理数据推断古气候及其波动性。我们使用了一种新颖的多变量非线性非高斯状态空间模型，该模型由一个将气候与代理数据联系起来的观测方程和一个驱动气候随时间变化的演化方程组成。从气候到代理数据的链接由一个预先校准的正向模型定义，如 Salter-Townshend 和 Haslett (2012) 以及 Sweeney (2012) 所开发的那样。气候变化由时间上不确定的正态逆高斯 Levy 过程表示，能够在保持时间一致性的同时捕捉多变量气候中的大幅跳跃。正向模型的预先校准性质允许我们切断观测方程和演化方程之间的反馈，从而在做出最小简化假设的同时完全积分掉状态变量。该方法的一个关键部分是创建边缘数据后验的混合，以表示从每个单独时间点获得的气候信息。我们的方法允许实现极其高效的 MCMC 算法，我们用来自北爱尔兰安特里姆郡 Sluggan Bog 的花粉岩芯对此进行了演示。
引用
@article{arxiv.1206.5009,
title = {On Bayesian Modelling of the Uncertainties in Palaeoclimate Reconstruction},
author = {Andrew C. Parnell and James Sweeney and Thinh K. Doan and Michael Salter-Townshend and Judy R. M. Allen and Brian Huntley and John Haslett},
journal= {arXiv preprint arXiv:1206.5009},
year = {2012}
}
备注
25 pages, 7 figures