Heteroscedastic Gaussian Process Regression on the Alkenone over Sea Surface Temperatures
Heteroscedastic Gaussian Process Regression on the Alkenone over Sea Surface Temperatures
复制标题
DOI：
10.5065/y82j-f154
复制
发表时间：
2019-12
期刊：
影响因子：
--
通讯作者：
Taehee Lee;Charles E. Lawrence
中科院分区：
文献类型：
--
作者：
Taehee Lee;Charles E. Lawrence
为了更好地恢复历史海表温度，建立一个良好的校正模型是非常重要的。本文基于异方差高斯过程（GP）回归方法，提出了一种新的烯酮（${\rm{U}}_{37}^{\rm{K}'}$）模型。我们的非参数方法不仅处理的变量模式的噪声在SST，但也包含一个贝叶斯方法分类潜在的离群值。
To restore the historical sea surface temperatures (SSTs) better, it is important to construct a good calibration model for the associated proxies. In this paper, we introduce a new model for alkenone (${\rm{U}}_{37}^{\rm{K}'}$) based on the heteroscedastic Gaussian process (GP) regression method. Our nonparametric approach not only deals with the variable pattern of noises over SSTs but also contains a Bayesian method of classifying potential outliers.