Jeong、Jaehong；严、袁；斯特凡诺·卡斯特鲁西奥；马克·根顿（Marc G.Genton）。 具有Tukey（g）-和-（h）自回归过程的全球月风能随机生成器。 （英语） Zbl 1421.62158号 统计正弦。 29，第3期，1105-1126（2019）. 摘要：从气候模型中量化风能潜力的不确定性是一项耗时的任务，需要大量的计算资源。一个经过小范围运行训练的统计模型可以作为原始气候模型的随机近似值，并且可以比使用原始气候模型进行额外运行更快地评估不确定性。虽然高斯模型已被广泛用作近似气候模拟的手段，但高斯假设不适用于政策相关（即亚年度）时间尺度的风。我们提出了一个月风速的跨高斯模型，该模型依赖于带有Tukey（g）-和-（h）变换的自回归结构，这是一个灵活的新类，可以分别建模偏度和尾部行为。这种时间结构被集成到一个多步骤谱框架中，该框架可以解释陆地/海洋边界以及山脉之间的全球非平稳性。推理是通过平衡内存存储和分布式计算来实现的，这是一个2.2亿点的大数据集。一旦只需五次运行即可拟合统计模型，它就可以在一台简单的笔记本电脑上快速高效地生成代理。此外，它提供的不确定性评估与从所有可用气候模拟（40）中获得的月度不确定性评估非常接近。 引用于8文件 MSC公司： 62页第12页 统计在环境和相关主题中的应用 62H11型 定向数据；空间统计学 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 关键词：大数据；非平稳性；时空协方差模型；球；随机发生器；Tukey（g）-和-（h）自回归模型；风能 PDF格式BibTeX公司 XML格式引用 \textit｛J.Jeong｝等人，《法律总汇》Sin。29，第3号，1105--1126（2019；Zbl 1421.62158） 全文： 内政部 arXiv公司