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。