×
斯特凡诺·卡斯特鲁西奥;马克·根顿。

气候模型中大时空数据的统计推断原则。 （英语） Zbl 1463.62340号

统计概率。莱特。 136, 92-96 (2018).
摘要：现代时空数据集规模的巨大增长促使从事环境应用的统计学家开发新的高效方法，这些方法仍然能够在可承受的时间内实现对非平凡模型的推断。气候模型的输出突破了高斯过程的推理极限，因为它们的大小很容易大于100亿个数据点。根据我们在一组先前工作中的经验，我们提供了利用最近方法学和计算进展对如此大的数据集进行统计分析的三个原则。这些原则强调了在推理过程中嵌入分布式并行计算的需要。

引用于10文件

MSC公司：

62页第12页 统计在环境和相关主题中的应用
86A32型 地理统计学
86A08型 气候科学和气候建模
62兰特 大数据和数据科学的统计方面
60G15年 高斯过程
62H11型 定向数据；空间统计学
62立方米0 空间过程推断

关键词：

大数据;气候模式;计算统计学;时空模型

软件：

FRK公司;GMRF库
PDF格式BibTeX公司 XML格式引用
\textit{S.Castruccio}和\textit{M.G.Genton}，Stat.Probab。莱特。136、92-96（2018年；Zbl 1463.62340）
全文： 内政部 链接

参考文献：

[1] 班纳吉，S。；Gelfand，A.E。；芬利，A.O。；Sang，H.，《大型空间数据集的高斯预测过程模型》，J.R.Stat.Soc.Ser。《美国统计年鉴》。，70, 4, 825-848, (2008) ·Zbl 1533.62065号
[2] Bran定子，G。；Teng，H.，CGCM中初值年代际可预测性的两个极限，J.Clim。，23, 23, 6292-6311, (2010)
[3] Castruccio，S.，《CMIP5和再分析年度和季节地表温度的时空结构评估》，Spat。Stat.，18，179-193，（2016）
[4] 卡斯特鲁西奥，S。；Genton，M.G.，《超越轴对称：全球数据的改进模型》，Stat，3，1，48-55，（2014）
[5] 卡斯特鲁西奥，S。；Genton，M.G.，用统计模型压缩集合：全球3D时空温度的算法，《技术计量学》，58，3，319-328，（2016）
[6] 卡斯特鲁西奥，S。；吉尼斯，J.，《将大规模地理描述符纳入全球过程的进化谱方法》，J.R.Stat.Soc.Ser。C.申请。Stat.，66，2，329-344，（2017年）
[7] 卡斯特鲁西奥，S。；奥姆宝，H。；Genton，M.G.，功能磁共振成像数据中大脑激活和连接的多分辨率时空模型，生物统计学，（2018年），出版·Zbl 1414.62435号
[8] 卡斯特鲁西奥，S。；Stein，M.L.，气候集合的全球时空模型，Ann.Appl。统计，7，3，1593-1611，（2013）·Zbl 1454.62436号
[9] Collins，M.，《年际至十年尺度上的气候可预测性：初始值问题》，Clim。发电机。，19, 8, 671-692, (2002)
[10] 柯林斯，M。；Allen，M.R.，《评估初始和边界条件在年际到十年气候可预测性中的相对作用》，气候杂志。，15, 21, 3104-3109, (2002)
[11] 北卡罗来纳州克雷西。；Johannesson，G.，《超大空间数据集的固定秩克里金》，J.R.Stat.Soc.Ser。《美国统计年鉴》。，70, 1, 209-226, (2008) ·Zbl 05563351号
[12] Fuentes，M.，大型不规则空间数据的近似似然性，J.Amer。统计师。协会，477，102，321-331，（2007）·Zbl 1284.62589号
[13] 富勒，R。；Genton，M.G。；Nychka，D.，《用于大型空间数据集插值的协方差锥化》，J.Compute。图表。统计人员。，15, 3, 502-523, (2006)
[14] 霍雷尔，M.T。；Stein，M.L.，极地卫星数据协方差参数估计方法，统计师。Sinica，25，41-59，（2015）·Zbl 1480.62195号
[15] Jeong，J。；卡斯特鲁西奥，S。；克里帕，P。；Genton，M.G.，《使用随机发电机减少全球风集合的存储》，Ann.Appl。统计，12，490-509，（2018）·Zbl 1393.62123号
[16] 凯·J·E。；Deser，C。；菲利普斯，A。；Mai，A。；Hannay，C。；股，G。；阿布拉斯特，J.M。；南卡罗来纳州贝茨。；Danabasoglu，G。；J.爱德华兹。；霍兰德，M。；库什纳，P。；拉马尔克，J.-F。；劳伦斯，D。；Lindsay，K。；米德尔顿，A。；穆尼奥斯，E。；Neale，R。；Oleson，K。；Polvani，L。；Vertenstein，M.，《社区地球系统模型（CESM）大型集成项目：在内部气候变化存在的情况下研究气候变化的社区资源》，Bull。Am.Meteorol公司。Soc.，96，8，1333-1349，（2015年）
[17] 林格伦，F。；H街。；Lindström，J.，高斯场和高斯马尔可夫随机场之间的显式联系：随机偏微分方程方法，J.R.Stat.Soc.Ser。《美国统计年鉴》。，73, 4, 423-498, (2011) ·兹比尔1274.62360
[18] Lorenz，E.N.，《确定性非周期流》，J.Atmos。科学。，20, 2, 130-141, (1963) ·Zbl 1417.37129号
[19] H街。；Held，L.，《高斯马尔可夫随机场：理论与应用》（2005），佛罗里达州博卡拉顿CRC出版社·邮编1093.60003
[20] 孙，Y。；李，B。；Genton，M.G.，《大型数据集的地质统计学》（Porcu，E.；Montero，J.M.；Schlather，M.，《与环境问题相关的时空过程和挑战》，第207卷，（2012），Springer），第55-77页，（第3章）
[21] van Vuuren博士。；埃德蒙兹，J。；Kainuma，M。；Riahi，K。；A.汤姆森。；希伯德，K。；赫特，G.C。；Kram，T。；Krey，V。；拉马尔克，J.-F。；Masui，T。；Meinshausen，M。；Nakienovic，N。；史密斯·S·J。；Rose，S.K.，《典型浓度途径：概述》，Clim。变更，109，5-31，（2011）
[22] Whittle，P.，《时间序列分析中的假设检验》，（1951年），乌普萨拉大学阿尔姆奎斯特分校和威克塞尔斯·博克特里克里公司，（博士论文）·兹比尔0045.41301
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。