×
菲利普·霍尔顿。；尼尔·爱德华兹。；保罗·加思韦特。；理查德·威尔金森。

模拟和解释高维气候模型输出。 （英语） Zbl 1514.62624号

J.应用。斯达。 42，第9期，2038-2055（2015）.
摘要：运行复杂的计算机模型可能需要耗费大量的计算机时间，而学习输入和输出变量之间的关系可能很困难。仿真器是计算成本高的模型的快速近似，可以用作模型的替代物，以量化不确定性或提高对过程的理解。在这里，我们检查基于奇异值分解（SVD）的模拟器，并使用它们模拟全球气候和植被场，检查这些场是如何受到地球轨道变化的影响的。植被场可以直接从轨道变量进行模拟，但另一个吸引人的选择是将其与气候场的模拟联系起来，这涉及高维输入和输出。SVD从根本上降低了输入和输出空间的维数，并显示了它们之间的关系。该方法可能对具有相关高维输入和/或输出的任何复杂过程有用。

引用于4文件

MSC公司：

62至XX 统计

关键词：

气候模拟；耦合模型；仿真；主要成分；奇异值分解

软件：

PlaSim公司；R（右）
PDF格式BibTeX公司 XML格式引用
\textit{P.B.Holden}等人，J.Appl。Stat.42，No.9，2038--2055（2015；Zbl 1514.62624）
全文： 内政部 链接

参考文献：

[1] A.伯杰，地球轨道要素引起的热量日晒的长期变化，四分之一。第9号决议（1995年），第139-167页。doi:10.1016/0033-5894（78）90064-9·doi:10.1016/0033-5894（78）90064-9
[2] W.H.Berger，第四纪深海记录的米兰科维奇敏感性《Climate Past 9》（2013），第2003-2011页。doi:10.5194/cp-9-2003-2013·doi:10.5194/cp-9-2003-2013
[3] A.C.Damianou和N.D.Lawrence，深高斯过程《第16届国际人工智能与统计会议论文集》，预印本（2013年）。可在http://jmlr.org/proceedings/papers/v31/damanianou13a.pdf。
[4] 发展核心团队，R： 统计计算语言与环境，R统计计算基金会，维也纳，2013年；可在下载网址：http://www.r-project.org/。
[5] K.Fraedrich、H.Jansen、E.Kirk、U.Luksch和F.Lunkeit，行星模拟器：面向用户友好模型、Meteorol。Z.14（2005），第299-304页。doi:10.1127/0941-2948/2005/0043·doi:10.1127/0941-2948/2005/0043
[6] P.B.Holden和N.R.Edwards，AOGCM的降维仿真应用于综合评估建模，地球物理。Res.Lett公司。37（2010年），第L21707页。doi:10.1029/2010GL045137·doi:10.1029/2010GL045137
[7] P.B.Holden、N.R.Edwards、P.H.Garthwaite、F.Fraedrich、F.Lunkeit、E.Kirk、M.Labriet、A.Kanudia和F.Babonneau，PLASIM-ENTSem v1.0：用于影响评估的未来气候变化时空模拟器《地球科学模型开发》第7期（2014年），第433-451页。doi:10.5194/gmd-7-433-2014年·doi:10.5194/gmd-7-433-2014年
[8] P.B.Holden、N.R.Edwards、S.A.Muller、K.I.C.Oliver、R.M.Death和A.Ridgwell，对空间分布的控制##img###img####img##\（\delta^{13}\text{C}（C）_{\operatorname{DIC}}），生物地球科学10（2013），第1815-1833页。doi:10.5194/bg-10-1815-2013年·doi:10.5194/bg-10-1815-2013年
[9] T.Homma和A.Saltelli，模型输出全局敏感性分析中的重要性度量、Reliab。工程系统。安全。52（1996），第1-17页。doi:10.1016/0951-8320（96）00002-6·doi:10.1016/0951-8320（96）00002-6
[10] S.R.Joshi、M.Vielle、F.Babonneau、N.R.Edwards和P.B.Holden，海平面上升的物理和经济影响：不确定性下的GIS和CGE耦合分析，预印本（2014），提交给全球变化的缓解与适应策略.
[11] M.C.Kennedy和A.O'Hagan，计算机模型的贝叶斯校准J.R.统计。Soc.B 63（2001），第425-464页。doi:10.111/1467-9868.00294·Zbl 1007.62021号 ·数字标识代码：10.1111/1467-9868.00294
[12] M.Labriet、S.R.Joshi、F.Babonneau、N.R.Edwards、P.B.Holden、A.Kanudia、R.Loulou和M.Vielle，气候变化对供暖和制冷能源的全球影响，预印本（2013），将于全球变化的缓解与适应策略。网址：http://link.springer.com/article/10.1007/s11027-013-9522-7。
[13] J.-F.Mercure、P.Salas、A.Foley、U.Chewpreecha、P.B.Holden和N.R.Edwards，技术扩散的动态以及气候政策工具对全球电力部门脱碳的影响《能源政策》第73卷（2014年），第686-700页。doi:10.1016/j.enpol.2014.06.029·doi:10.1016/j.enpol.2014.06.029
[14] J.E.Oakley和A.O'Hagan，复杂模型的概率敏感性分析：贝叶斯方法J.R.统计。Soc.B 66（2004），第751-769页。文件编号：10.1111/j.1467-9868.2004.05304.x·Zbl 1046.62027号 ·文件编号：10.1111/j.1467-9868.2004.05304.x
[15] C.E.拉斯穆森，机器学习中的高斯过程《机器学习高级讲座》，O.Bousquet、U.von Luxburg和G.Rätsch（编辑）Springer，柏林，海德堡，纽约，2004年，第63-71页·Zbl 1120.68436号 ·doi:10.1007/978-3-540-28650-94
[16] T.J.Santner、B.J.Williams和W.I.Notz，《计算机实验的设计与分析》，纽约斯普林格出版社，2003年·Zbl 1041.62068号 ·doi:10.1007/978-1-4757-3799-8
[17] C.Tebaldi和J.M.Arblaster，模式缩放：其优点和局限性，以及最新模型模拟的更新，爬升。第122页（2014年），第459-471页。doi:10.1007/s10584-013-1032-9·doi:10.1007/s10584-013-1032-9
[18] R.Tibshirani，通过套索回归收缩和选择J.R.统计。Soc.B 58（1996），第267-288页·Zbl 0850.62538号 ·doi:10.1111/j.2517-6161.1996.tb02080.x
[19] M.S.Williamson、T.M.Lenton、J.G.Shepherd和N.R.Edwards，一种有效的地球系统数值模拟地球方案（ENTS），经济。模型198（2006），第362-374页。doi:10.1016/j.ecolmodel.2006.05.027·doi:10.1016/j.ecolmodel.2006.05.027
[20] H.Zou和T.Hastie，通过弹性网进行正则化和变量选择，J.R.统计学家。Soc.B（2005），第301-320页。文件编号：10.1111/j.1467-9868.2005.005.x·Zbl 1069.62054号 ·文件编号：10.1111/j.1467-9868.2005.005.x
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。