基于计算可扩展的降水阈值超限时空回归聚类
统计方法学
2021-04-02 v2
摘要
针对存在系统性缺失协变量的极值回归分析，本文提出了一种数据驱动的基于时空回归的阈值超限聚类方法。研究表明，在存在系统性缺失协变量的情况下，阈值超限的行为变得非平稳且非齐次。所提出的方法通过一组局部平稳广义帕累托分布（GPD）模型（其参数表示为回归模型）以及一个潜在的时空切换过程来描述这一复杂行为。该时空切换过程由用于时间序列分析且模型参数有界变差的非参数有限元方法（FEM-BV）求解。所提出的 FEM-BV-GPD 方法超越了标准潜类别模型（如混合模型与隐马尔可夫模型）中较强的先验假设，此外还提供了对底层依赖结构的实用描述。该框架的性能在瑞士历史降水数据上得到验证，并与标准方法在同一数据上所得结果进行了比较。
引用
@article{arxiv.2103.16687,
title = {On Computationally-Scalable Spatio-Temporal Regression Clustering of Precipitation Threshold Excesses},
author = {Olga Kaiser and Dimitri Igdalov and Olivia Martius and Illia Horenko},
journal= {arXiv preprint arXiv:2103.16687},
year = {2021}
}