Hierarchical Transformed Scale Mixtures for Flexible Modeling of Spatial Extremes on Datasets With Many Locations
Hierarchical Transformed Scale Mixtures for Flexible Modeling of Spatial Extremes on Datasets With Many Locations
复制标题
用于对多位置数据集进行空间极值灵活建模的分层变换尺度混合
DOI：
10.1080/01621459.2020.1858838
复制
发表时间：
2022
影响因子：
3.7
通讯作者：
Wadsworth, Jennifer L.
中科院分区：
文献类型：
--
作者：
Zhang, Likun;Shaby, Benjamin A.;Wadsworth, Jennifer L.
灵活的空间模型允许在尾部依赖类之间转换，最近出现在文献中。然而，由于需要重复评估多变量高斯分布函数，因此即使在中等维度，对这些模型的推断在计算上也是令人望而却步的。在这项工作中，我们试图通过修改一类基于尺度混合高斯过程的模型来实现对空间过程极端情况的真正高维推断，同时保留尾部依赖结构中所希望的灵活性。我们证明了修改后的贝叶斯分层模型保留了原模型所期望的极值依赖性质，并证明了相应的贝叶斯分层模型不涉及昂贵的多元高斯分布函数的计算。我们将我们的模型匹配到超过高阈值的情况，并执行覆盖分析和跨模型检查，以验证其捕获不同类型尾部特征的能力。我们使用标准的自适应Metropolis算法进行模型拟合，并通过并行化和RCPP进一步加速计算。最后，我们将该模型应用于美国大平原地区的火灾威胁指数数据集，该地区容易受到大规模破坏性野火的影响。我们发现，火灾威胁指数的联合尾部呈现出一种衰减的相依结构，这是极限极值模型所不能捕捉的。这篇文章的补充材料可以在网上找到。
Flexible spatial models that allow transitions between tail dependence classes have recently appeared in the literature. However, inference for these models is computationally prohibitive, even in moderate dimensions, due to the necessity of repeatedly evaluating the multivariate Gaussian distribution function. In this work, we attempt to achieve truly high-dimensional inference for extremes of spatial processes, while retaining the desirable flexibility in the tail dependence structure, by modifying an established class of models based on scale mixtures Gaussian processes. We show that the desired extremal dependence properties from the original models are preserved under the modification, and demonstrate that the corresponding Bayesian hierarchical model does not involve the expensive computation of the multivariate Gaussian distribution function. We fit our model to exceedances of a high threshold, and perform coverage analyses and cross-model checks to validate its ability to capture different types of tail characteristics. We use a standard adaptive Metropolis algorithm for model fitting, and further accelerate the computation via parallelization and Rcpp. Lastly, we apply the model to a dataset of a fire threat index on the Great Plains region of the United States, which is vulnerable to massively destructive wildfires. We find that the joint tail of the fire threat index exhibits a decaying dependence structure that cannot be captured by limiting extreme value models. Supplementary materials for this article are available online.
登录
查看更多内容
基于拉普拉斯随机场的渐近独立空间极值建模
DOI：
--
发表时间：
2015
期刊：
影响因子：
--
作者：
T. Opitz
通讯作者：
T. Opitz
DOI：
10.2307/2289692
发表时间：
1987-07
期刊：
--
影响因子：
--
作者：
S. Resnick
通讯作者：
S. Resnick
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.
探索自适应大都会算法
DOI：
--
发表时间：
2010
期刊：
影响因子：
--
作者：
B. Shaby;M. Wells
通讯作者：
M. Wells
影响因子：
6.4
作者：
T. Buishand
通讯作者：
T. Buishand