×
马修·爱德华兹;斯特凡诺·卡斯特鲁西奥;汉默林，多里特

气候集合的多元全球时空随机生成器。 （英文） Zbl 1426.62339号

《农业杂志》。生物与环境。斯达。 24，第3号，464-483（2019）.
摘要：为了理解和量化气候模型预测和物理中的不确定性，通常使用一组气候模拟（集合）。考虑到气候模型输入空间的高维性，以及气候变量之间复杂的非线性关系，通常需要一个大型集合来准确评估这些不确定性。如果在特定的空间和时间尺度上只对少数气候变量感兴趣，那么通过在小集合上训练统计模型，可以大大减少计算和存储费用。然后，统计模型充当一个随机生成器（SG），能够模拟一个较大的集合，给定一个较小的训练集合。先前关于SG的工作侧重于独立建模和模拟单个气候变量（如表面温度、风速）。这里，我们介绍一个SG，它联合模拟三个关键气候变量。该模型基于多级谱方法，通过分阶段进行推理并利用跨多个处理器的大规模并行化，可以为非平稳全局模型推断8000多万个数据点。我们通过对来自一个大型集成项目的五个集成成员进行SG训练来证明联合模拟气候变量的可行性，并通过将SG模拟与训练中未使用的集成成员进行比较来评估SG模拟。

引用于4文件

MSC公司：

62页第12页 统计在环境和相关主题中的应用
62立方米 空间过程推断
86A32型 地理统计学

关键词：

非平稳的;海量数据;逐步估计;并行计算

软件：

蟒蛇
PDF格式BibTeX公司 XML格式引用
\textit{M.Edwards}等人，J.Agric。生物与环境。Stat.24，No.3，464--483（2019；Zbl 1426.62339）
全文： 内政部

参考文献：

[1] Baker，A.H.，Hammerling，D.M.，Mickelson，S.A.，Xu，H.，Stolpe，M.B.，Naveau，P.，Sanderson，B.，Ebert-Uphoff，I.，Samarasinghe，S.，De Simone，F.等人（2016年），“评估大型集合内气候模拟数据的有损数据压缩”，地球科学模型开发9（12），4381·doi:10.5194/gmd-9-4381-2016年
[2] Baker，A.H.，Xu，H.，Dennis，J.M.，Levy，M.N.，Nychka，D.，Mickelson，S.A.，Edwards，J.，Vertenstein，M.和Wegener，A.（2014），《评估数据压缩对气候模拟数据影响的方法》，载于《第23届高性能并行和分布式计算国际研讨会论文集》，ACM HPDC’14，第203-214页。
[3] Box，G.E.P.和Cox，D.R.（1964年），“转型分析”，《皇家统计学会杂志》。B系列（方法学）第211-252页·Zbl 0156.40104号
[4] Branstator，G.和Teng，H.（2010），“cgcm中初始值年代际可预测性的两个极限”，《气候杂志》23（23），6292-6311·doi:10.1175/2010JCLI3678.1
[5] Castruccio，S.（2016），“评估cmip5和再分析的年度和季节地表温度时空结构”，空间统计18，179-193·doi:10.1016/j.spasta.2016.03.004
[6] Castruccio，S.和Genton，M.（2014），“超越轴对称：全球数据模型的改进类别”，Stat 3，48-55·doi:10.1002/sta4.44
[7] Castruccio，S.和Genton，M.（2018），“从气候模型推断大时空数据的原则”，《统计与概率快报》136，92-96·Zbl 1463.62340号 ·doi:10.1016/j.spl.2018.02.026
[8] Castruccio，S.和Genton，M.G.（2016），“用统计模型压缩集合：全球三维时空温度的算法”，《技术计量学》58（3），319-328·doi:10.1080/00401706.2015.1027068
[9] Castruccio，S.、Genton，M.和Sun，Y.（2019年），“用虚拟现实可视化时空模型：从完全沉浸式环境到立体视图中的应用程序”，《皇家统计学会杂志-A辑》（含讨论）。在英国皇家统计学会面前阅读。
[10] Castruccio，S.和Guinness，J.（2017），“将大规模地理描述符纳入全球过程的进化谱方法”，《皇家统计学会杂志：C辑（应用统计学）》66（2），329-344·doi:10.1111/rssc.12167
[11] Castruccio，S.、Stein，M.L.等人（2013），“气候集合的全球时空模型”，《应用统计年鉴》7（3），1593-1611·Zbl 1454.62436号 ·doi:10.1214/13-AOAS656
[12] Collins，M.（2002），“年际至十年尺度上的气候可预测性：初始值问题”，气候动力学19（8），671-692·doi:10.1007/s00382-002-0254-8
[13] Collins，M.和Allen，M.R.（2002），“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·doi:10.1175/1520-0442（2002）015<3104:ATRROI>2.0.CO；2
[14] Davis，P.J.（2012），循环矩阵，美国数学学会·Zbl 0898.15021号
[15] Edwards，M.、Castruccio，S.和Hammerling，D.（2018），“边际参数化时空模型和逐步最大似然估计”，arXiv:1806.11388·兹伯利07345934
[16] Friedman，J.、Hastie，T.和Tibshirani，R.（2001），《统计学习的要素》，斯普林格出版社·Zbl 0973.62007号
[17] Golub，G.H.和Van Loan，C.F.（2012），《矩阵计算》，第3卷，JHU出版社·Zbl 0865.65009号
[18] 吉尼斯·J和哈默林·D（2018），“气候模型输出的压缩和条件模拟”，《美国统计协会期刊》113（521），56-67·Zbl 1398.68157号 ·doi:10.1080/01621459.2017.1395339
[19] Hardy，Y.和Steeb，W.-H.（2010），“向量算符、克罗内克积和纠缠”，《国际代数与计算杂志》20（01），71-76·Zbl 1202.15031号 ·doi:10.1142/S0218196710005522
[20] Hitchzenko，M.和Stein，M.L.（2012），“球面各向异性过程的一些理论”，《统计方法学》9，211-227·Zbl 1248.60040号 ·doi:10.1016/j.stamet.2011.01.010
[21] Hurrell，J.W.，Holland，M.M.，Gent，P.R.，Ghan，S.，Kay，J.E.，Kushner，P.J.，Lamarque，J.-F.，Large，W.G.，Lawrence，D.，Lindsay，K.等人（2013），“社区地球系统模型：合作研究框架”，《美国气象学会公报》94（9），1339-1360·doi:10.1175/BAMS-D-12-00121.1
[22] Jeong，J.，Castruccio，S.，Crippa，P.，Genton，M.G.等人（2018年），“使用随机发电机减少全球风电集合的存储”，《应用统计年鉴》12（1），490-509·Zbl 1393.62123号 ·doi:10.1214/17-AOAS1105
[23] Jeong，J.、Yan，Y.、Castruccio，S.和Genton，M.（2019年），“具有tukey g-和-h自回归过程的全球月度风能随机生成器”，《统计研究》。新闻界·Zbl 1421.62158号
[24] Jones，R.H.（1963），“球体上的随机过程”，《数理统计年鉴》34（1），213-218·Zbl 0202.46702号 ·doi:10.1214/aoms/1177704257
[25] Jun，M.（2011），“全球多元过程的非平稳互协方差模型”，《斯堪的纳维亚统计杂志》38，726-747·Zbl 1246.91113号 ·doi:10.1111/j.1467-9469.2011.00751.x
[26] Jun，M.和Stein，M.（2007），“在球体上生成时空协方差函数的方法”，《技术计量学》49（4），468-479·doi:10.1198/00401700000155
[27] -（2008），“全球数据的非平稳协方差模型”，《应用统计年鉴》2，1271-1289·Zbl 1168.62381号
[28] Kay，J.、Deser，C.、Phillips，A.、Mai，A.、Hannay，C.、Strand，G.、Arblaster，J.、Bates，S.、Danabasoglu，G.、Edwards，J.等人（2015），“社区地球系统模型（cesm）大型集合项目：在存在内部气候变异的情况下研究气候变化的社区资源”，美国气象学会公报96（8），1333-1349·doi:10.1175/BAMS-D-13-00255.1
[29] Lütkepohl，H.（2005），多重时间序列分析的新引入，Springer科学与商业媒体·Zbl 1072.62075号
[30] Meehl，G.A.、Moss，R.、Taylor，K.E.、Eyring，V.、Stouffer，R.J.、Bony，S.和Stevens，B.（2014），“气候模型相互比较：为下一阶段做准备”，《美国地球物理联合会学报》95（9），77-78·doi:10.1002/2014EO090001
[31] Moss，R.、Babiker，W.、Brinkman，S.、Calvo，E.、Carter，T.、Edmonds，J.、Elgizouli，I.、Emori，S.，Erda，L.、Hibbard，K.等人（2008年），“排放分析的新情景：气候变化、影响和应对策略”。
[32] Pachauri，R.K.、Allen，M.R.、Barros，V.R.，Broome，J.、Cramer，W.、Christ，R.、Church，J.A.、Clarke，L.、Dahe，Q.、Dasgupta，P.等人（2014年），《2014年气候变化：综合报告》。第一、第二和第三工作组对政府间气候变化专门委员会第五次评估报告的贡献。
[33] Patterson，H.D.和Thompson，R.（1971），“块大小不相等时块间信息的恢复”，《生物统计学》58（3），545-554·Zbl 0228.62046号 ·doi:10.1093/biomet/58.3545
[34] Paul，K.，Mickelson，S.，Dennis，J.M.，Xu，H.和Brown，D.（2015），用于地球系统建模工作流的Light-weight并行python工具，收录于“大数据（大数据），2015年IEEE国际会议”，IEEE，第1985-1994页。
[35] Porcu，E.、Castruccio，S.、Alegria，A.和Crippa，P.（2019），“全球数据的轴对称模型：地质统计学和随机生成器之间的旅程”，环境计量学。新闻界。
[36] Strand，G.和Baker，A.（2018），《私人通信》。
[37] Washington，W.M.和Parkinson，C.（2005），《三维气候建模导论》，大学科学图书·Zbl 0655.76003号
[38] Whittle，P.（1954），“关于飞机中的静止过程”，《生物特征》第434-449页·Zbl 0058.35601号
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。