A stochastic locally diffusive model with neural network‐based deformations for global sea surface temperature
A stochastic locally diffusive model with neural network‐based deformations for global sea surface temperature
复制标题
全球海面温度基于神经网络变形的随机局部扩散模型
DOI：
10.1002/sta4.431
复制
发表时间：
2022
期刊：
影响因子：
1.7
通讯作者：
Castruccio, Stefano
中科院分区：
文献类型：
--
作者：
Hu, Wenjing;Fuglstad, Geir‐Arne;Castruccio, Stefano
在这项工作中，我们提出了一种新的方法来建模大型，不规则分布的时空全球数据通过局部扩散随机偏微分方程（SPDE）。所提出的模型假设SPDE的局部变形通过神经网络对协变量具有非线性依赖性。所提出的模型可以以计算效率高的方式使用球面上的三角测量和精度矩阵的稀疏性来拟合，如具有模拟的多年代际月海面温度的大型数据集的应用所示。
In this work, we propose a new approach to model large, irregularly distributed spatio‐temporal global data via a locally diffusive stochastic partial differential equation (SPDE). The proposed model assumes a local deformation of the SPDE with non‐linear dependence on the covariates through a neural network. The proposed model can be fit in a computationally efficient manner using a triangulation over the sphere and sparsity of the precision matrix, as shown in an application with a large data set of simulated multi‐decadal monthly sea surface temperature.
登录
查看更多内容
DOI：
10.1111/rssc.12540
发表时间：
2021-02
期刊：
Journal of the Royal Statistical Society: Series C (Applied Statistics)
影响因子：
--
作者：
Huang Huang-Huang;S. Castruccio;M. Genton
通讯作者：
Huang Huang-Huang;S. Castruccio;M. Genton
使用空间随机生成器逼近偏差校正的全球温度预测的内部变异性
影响因子：
4.9
作者：
Wenjing Hu;S. Castruccio
通讯作者：
S. Castruccio
使用统计模型压缩系综：全局 3D 时空温度算法
影响因子：
2.5
作者：
S. Castruccio;M. Genton
通讯作者：
M. Genton
超越轴对称：一类改进的全局数据模型
影响因子：
1.7
作者：
S. Castruccio;M. Genton
通讯作者：
M. Genton
使用随机发电机减少全球风群的存储
DOI：
--
发表时间：
2017
期刊：
影响因子：
--
作者：
J. Jeong;S. Castruccio;P. Crippa;M. Genton
通讯作者：
M. Genton