面向流式自回归时间序列的在线序贯杠杆采样方法及其在地震数据中的应用
统计方法学
2025-09-26 v1 应用统计
摘要
地震数据包含复杂的时序信息，以高速到达且体量巨大，甚至可能无界。先进地震传感器产生的大量时序相关流式数据因其体量和实时性而带来分析挑战。采样或数据缩减是处理大型流式数据的一种自然而有力的工具，可在估计精度和计算成本之间取得平衡。目前，文献中对流式数据（尤其是流式自回归时间序列）的数据缩减方法及其统计性质研究不足。本文提出了一种面向流式自回归时间序列的在线杠杆序贯数据缩减算法，并应用于地震数据。所提出的序贯杠杆采样（SLS）方法仅从数据流中选择一个连续记录的块进行推断。SLS块的起始点通过基于数据流杠杆分数的随机机制选择，而块大小由序贯停止规则确定。SLS块提供了高效的样本利用，我们的结果证实了在线性与非线性自回归设定下归一化最小二乘估计量的渐近正态性。SLS方法应用于两个地震数据集：宏观尺度的2023年土耳其-叙利亚地震双震数据和微观尺度的俄克拉荷马地震数据。我们展示了SLS方法高效识别地震事件并阐明其复杂时序依赖结构的能力。模拟研究用于评估SLS方法的经验性能。
引用
@article{arxiv.2509.20698,
title = {Online Sequential Leveraging Sampling Method for Streaming Autoregressive Time Series with Application to Seismic Data},
author = {Rui Xie and T. N. Sriram and Wei Biao Wu and Ping Ma},
journal= {arXiv preprint arXiv:2509.20698},
year = {2025}
}
备注
Accepted by the Annals of Applied Statistics