Spatial deformation for nonstationary extremal dependence
Spatial deformation for nonstationary extremal dependence
复制标题
非平稳极值依赖性的空间变形
DOI：
10.1002/env.2671
复制
发表时间：
2021
期刊：
影响因子：
1.7
通讯作者：
Richards J
中科院分区：
文献类型：
--
作者：
Richards J
如果空间数据的极值依赖结构是稳定的，那么对该结构进行建模就容易得多。然而，对于大型或复杂域上观察到的数据，非平稳性往往会占上风。目前的方法建模非平稳性极值依赖于模型，要么是计算上难以适应或需要先验知识的协变量。Sampson和Guttorp（1992）提出了一种简单的技术，通过平滑地将过程的采样位置从原始地理空间映射到可以合理假设平稳性的潜在空间，来处理空间依赖性中的非平稳性。我们提出了一个扩展的空间极值框架，考虑最小二乘最小化成对的理论和经验极值依赖措施，这种方法。沿着关于应用这些变形的一些实用建议，我们提供了详细的模拟研究，其中我们提出了三个空间过程，其极值和中心相关结构具有不同程度的非平稳性。该方法适用于澳大利亚夏季极端温度和英国降水，以说明其有效性相比，一个天真的建模方法。
Modeling the extremal dependence structure of spatial data is considerably easier if that structure is stationary. However, for data observed over large or complicated domains, nonstationarity will often prevail. Current methods for modeling nonstationarity in extremal dependence rely on models that are either computationally difficult to fit or require prior knowledge of covariates. Sampson and Guttorp (1992) proposed a simple technique for handling nonstationarity in spatial dependence by smoothly mapping the sampling locations of the process from the original geographical space to a latent space where stationarity can be reasonably assumed. We present an extension of this method to a spatial extremes framework by considering least squares minimization of pairwise theoretical and empirical extremal dependence measures. Along with some practical advice on applying these deformations, we provide a detailed simulation study in which we propose three spatial processes with varying degrees of nonstationarity in their extremal and central dependence structures. The methodology is applied to Australian summer temperature extremes and UK precipitation to illustrate its efficacy compared with a naive modeling approach.
登录
查看更多内容
相关极值和渐近独立极值的地质统计学
影响因子：
2.6
作者：
A. Davison;R. Huser;Emeric Thibaud
通讯作者：
Emeric Thibaud
模拟厄尔尼诺南方涛动对澳大利亚极端空间温度事件的影响
DOI：
10.1214/16-aoas965
发表时间：
2016
期刊：
The Annals of Applied Statistics
影响因子：
--
作者：
Hugo C. Winter;J. Tawn;S. Brown
通讯作者：
S. Brown
DOI：
10.48550/arxiv.1912.06560
发表时间：
2019
期刊：
arXiv e-prints
影响因子：
--
作者：
Wadsworth Jennifer L.
通讯作者：
Wadsworth Jennifer L.
使用贝叶斯推理从非平稳边际极值模型中有效估计回报值分布
DOI：
--
发表时间：
2017
期刊：
影响因子：
--
作者：
E. Ross;D. Randell;K. Ewans;G. Feld;P. Jonathan
通讯作者：
P. Jonathan
空间极限：工作中的最大稳定过程
DOI：
--
发表时间：
2013
期刊：
影响因子：
--
作者：
M. Ribatet
通讯作者：
M. Ribatet