×

关于美国天气预报表现的无监督学习。 (英语) Zbl 07734156号

摘要:如今,气候事件和天气预报对人类活动产生了巨大影响。为了了解天气预报的准确性,我们应用功能主成分分析(FPCA)方法研究了美国3年期间天气预报误差的主要变化模式。我们使用两种类型的功能聚类方法(过滤方法和基于模型的方法),根据美国各州在天气预报性能方面的相似性,进一步对各州进行分组。通过仿真研究发现了每种聚类方法的优缺点。然后,将聚类方法应用于2014年至2017年的美国气象数据。通过聚类分析,可以直观地检测到特定于集群的模式,并量化集群之间的差异,以确定可预测性最高和最低的美国各州。

MSC公司:

62-08 统计问题的计算方法
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 亚伯拉罕,C。;宾夕法尼亚州Cornillon;Matzner-Löber,E。;Molinari,N.,使用b样条的无监督曲线聚类,斯堪的纳维亚统计杂志,30,3,581-595(2003)·Zbl 1039.91067号 ·doi:10.1111/1467-9469.00350
[2] 亚当斯,RA;Fournier,JJ,Sobolev spaces(2003),亚特兰大:Elsevier,亚特兰大·Zbl 1098.46001号
[3] 亚当斯,RM;罗森茨威格,C。;皮尔特,RM;里奇,JT;麦考尔,文学学士;Glyer,法学博士;咖喱,RB;Jones,JW;布特,KJ;Allen,LH Jr,《全球气候变化与美国农业》,《自然》,第345、6272、219-224页(1990年)·数字对象标识代码:10.1038/345219a0
[4] 阿德尔菲奥,G。;Chiodi,M。;D'Alessandro,A。;Luzio,D.,波形聚类的FPCA算法,J Commun Compute,8,6,494-502(2011)
[5] 鲍尔,P。;Thorpe,A。;Brunet,G.,《数值天气预报的安静革命》,《自然》,525,7567,47-55(2015)·doi:10.1038/nature14956
[6] PC公司Besse;Cardot,H。;斯蒂芬森,DB,一些功能性气候变化的自回归预测,斯堪的纳维亚统计杂志,27,4,673-687(2000)·Zbl 0962.62089号 ·doi:10.1111/1467-9469.00215
[7] 比尔纳基,C。;Celeux,G。;Govaert,G.,《用综合完全似然评估聚类的混合模型》,IEEE Transact Pattern Ana Mach Intell,22,7,719-725(2000)·doi:10.1109/34.865189
[8] Bosq,D.,《随机过程的非参数统计:估计和预测》(1996),纽约:Springer-Verlag出版社,纽约·Zbl 0857.62081号
[9] Bouveyron C(2015)funFEM:判别函数子空间中的聚类。https://CRAN.R-project.org/package=funFEM,r软件包版本1.1
[10] Bouveyron,C。;科特迪瓦,E。;Jacques,J.,《自行车共享系统对比分析的判别功能混合模型》,《年鉴应用统计》,9,4,1726-1760(2015)·Zbl 1397.62511号 ·doi:10.1214/15-AOAS861
[11] 盒子,GE;总经理Jenkins;重新安装,GC;通用汽车公司Ljung,《时间序列分析:预测和控制》(2015),新泽西州霍博肯:新泽西州霍博肯的John Wiley&Sons·Zbl 1317.62001
[12] Charrad M、Ghazzali N、Boiteau V、Niknafs A(2012)NbClust包:在数据集中查找相关的簇数。使用R!2012
[13] 查拉德,M。;北加扎利。;Boiteau,V.公司。;Niknafs,A.,NbClust:用于确定数据集中相关簇数的R包,J Stat Soft,61,6,1-36(2014)·doi:10.18637/jss.v061.i06
[14] Collomb G(1983)《从非参数回归到非参数预测:预测图中均方误差和原始结果的调查》。收录:Specifying statistical models,Springer,第182-204页·Zbl 0538.62033号
[15] 咖喱,HB;Schoenberg,IJ,《关于Pólya频率函数IV:基本样条函数及其极限》,《数学分析杂志》,17,1,71-107(1966)·Zbl 0146.08404号 ·doi:10.1007/BF02788653
[16] Dudoit,S。;Fridlyand,J.,估计数据集中簇数的基于预测的重采样方法,Genome Biol,3,7,1-21(2002)·doi:10.1186/gb-2002-3-7-research0036
[17] Györfi,L。;Härdle,W。;Sarda,P。;Vieu,P.,时间序列的非参数曲线估计(1989),纽约:Springer-Verlag,纽约·Zbl 0697.62038号
[18] 哈蒂根,JA;Wong,MA,Algorithm as 136:A\(k\)-表示聚类算法,《皇家统计学会期刊C辑》(Appl Stat),28,1,100-108(1979)·Zbl 0447.62062号
[19] Hornik K(2019)线索:集群群。https://CRAN.R-project.org/package=线索,r包版本0.3-57
[20] 雅克·J。;Preda,C.,《功能数据聚类:一项调查》,《高级数据分析分类》,8,3,231-255(2014)·Zbl 1414.62018年 ·doi:10.1007/s11634-013-0158-y
[21] James,总经理;Sugar,CA,稀疏采样功能数据的聚类,美国统计协会杂志,98,462,397-408(2003)·Zbl 1041.62052号 ·doi:10.1198/016214503000189
[22] Ke,Y。;Li,J.等人。;张伟,面板数据分析中的结构识别,《年鉴统计》,44,3,1193-1233(2016)·Zbl 1341.62214号 ·doi:10.1214/15-AOS1403
[23] 拉佐,JK;莫尔斯,RE;JL Demuth,服务3000亿:天气预报的来源、感知、使用和价值,Bullet Am Meteorol Soc,90、6、785-798(2009)·doi:10.175/2008BAMS2604.1
[24] Li J,Yue M,Zhang W(2019)通过对密集纵向/空间数据的同质性追求进行亚组识别。统计医学
[25] 奥雷尔,D。;史密斯,L。;Barkmeijer,J。;Palmer,T.,天气预报中的模型误差,非线性过程地球物理,8,6,357-371(2001)·doi:10.5194/npg-8-357-2001年
[26] Papadimitrou,CH;Steiglitz,K.,《组合优化:算法和复杂性》(1982),纽约:普伦蒂斯·霍尔出版社,纽约·Zbl 0503.90060号
[27] 拉迪卡,Y。;Shashi,M.,使用支持向量机进行大气温度预测,国际计算理论工程杂志,1,1,55-59(2009)·doi:10.7763/IJCTE.2009.V1.9
[28] Ramsay,J。;Silverman,B.,《功能数据分析》(2005),纽约:Springer,纽约·Zbl 1079.62006号 ·doi:10.1007/b98888
[29] Ramsay,J。;胡克,G。;Graves,S.,《使用R和MATLAB进行功能数据分析》(2009),纽约:Springer,纽约·Zbl 1179.62006号 ·doi:10.1007/978-0-387-98185-7
[30] Ramsay JO、Wickham H、Graves S、Hooker G(2018)fda:功能数据分析。https://CRAN.R-project.org/package=fda,r包版本2.4.8
[31] 赖斯,JA;Silverman,BW,《当数据为曲线时非参数估计均值和协方差结构》,《皇家统计学会期刊:B辑(Methodol)》,53,1,233-243(1991)·Zbl 0800.62214号
[32] Schmutz A,Jacques J,Bouveyron C,Cheze L,Martin P(2018)在群体特定功能子空间中聚类多元功能数据,https://hal.inia.fr/hal-01652467,预打印·Zbl 1505.62360号
[33] Schwarz,G.,估算模型的维度,《年鉴统计》,6,2,461-464(1978)·Zbl 0379.62005年 ·doi:10.1214/aos/1176344136
[34] Silverman,BW,通过选择范数进行平滑函数主成分分析,《年鉴统计》,24,1,1-24(1996)·兹比尔0853.62044 ·doi:10.1214/aos/1033066196
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。