[論文レビュー] Flexible and efficient emulation of spatial extremes processes via variational autoencoders

Likun Zhang, Xiaoyu Ma+2 more|arXiv (Cornell University)|Jul 16, 2023

Climate variability and modelsEnvironmental Science被引用数 3

ひとこと要約

本論文は、高次元空間的データにおける非定常的で相関のある極値事象を効率的にモデル化するため、柔軟な最大無限可分過程を変分オートエンコーダー枠組みに統合した新規な空間的極値エミュレータ、XVAEを提案する。極値理論と深層生成モデルを組み合わせることで、XVAEは高速なベイズ推論と複雑な気候極値の正確なエミュレーションを可能にし、30年間のレッドシー海表面水温データセットにおいて、計算効率と尾部依存構造のモデリングの両面で従来手法を上回る性能を発揮する。

ABSTRACT

Many real-world processes have complex tail dependence structures that cannot be characterized using classical Gaussian processes. More flexible spatial extremes models exhibit appealing extremal dependence properties but are often exceedingly prohibitive to fit and simulate from in high dimensions. In this paper, we aim to push the boundaries on computation and modeling of high-dimensional spatial extremes via integrating a new spatial extremes model that has flexible and non-stationary dependence properties in the encoding-decoding structure of a variational autoencoder called the XVAE. The XVAE can emulate spatial observations and produce outputs that have the same statistical properties as the inputs, especially in the tail. Our approach also provides a novel way of making fast inference with complex extreme-value processes. Through extensive simulation studies, we show that our XVAE is substantially more time-efficient than traditional Bayesian inference while outperforming many spatial extremes models with a stationary dependence structure. Lastly, we analyze a high-resolution satellite-derived dataset of sea surface temperature in the Red Sea, which includes 30 years of daily measurements at 16703 grid cells. We demonstrate how to use XVAE to identify regions susceptible to marine heatwaves under climate change and examine the spatial and temporal variability of the extremal dependence structure.

研究の動機と目的

• 高次元空間的極値を、柔軟で非定常的な依存構造を有する代理モデルとして正確にエミュレートすること。
• 高次元における複雑な空間的極値モデルの適合とシミュレーションの計算的に非現実的な困難を克服すること。
• 気候・環境モデリングにおける極値事象のための高速なベイズ推論と不確実性の定量化を可能にすること。
• 空間的フィールドエミュレーションにおける極値的依存構造を評価するための妥当性フレームワークを提供すること。
• 赤海における高分解能30年間の人工衛星由来海表面水温データセットを用いて、本手法の有効性を実証すること。

提案手法

• 極値理論に基づき、柔軟で非定常的な極値的依存特性を有する新規な最大無限可分（max-id）過程を提案する。
• max-id過程を変分オートエンコーダー（VAE）アーキテクチャに埋め込み、XVAEフレームワークを構築することで、効率的な事後分布近似を可能にする。
• 変分ベイズと確率的勾配降下法を用いて、潜在変数とモデルパラメータを同時に推定し、スケーラブルな推論を実現する。
• XVAEへの入力前に、グリッドセルごとのGEV分布を用いた局所的マージナル変換を実施し、月次最大値を標準化する。
• 各位置におけるマージナル分布の適合度を評価するために、Wilkの定理を用いた一般化尤度比検定を適用する（GEV対t分布）。
• 空間ラグごとに尾部依存構造と極値的挙動を評価するカスタムフレームワークを用いて、エミュレーション性能を検証する。

Figure 1 : A schematic diagram for the XVAE, in which the parameters $\boldsymbol{\phi}_{e}$ and $\boldsymbol{\phi}_{d}$ in the encoder $q_{\boldsymbol{\phi}_{e}}(\boldsymbol{z}_{t}\mid\boldsymbol{x}_{t})$ and the decoder $p_{\boldsymbol{\phi}_{d}}(\boldsymbol{x}_{t}\mid\boldsymbol{z}_{t})$ are both

実験結果

リサーチクエスチョン

• RQ1 深層生成モデルは、高次元空間的過程における複雑で非定常的な極値的依存構造を効果的に捉え、エミュレートできるか？
• RQ2 XVAEフレームワークは、極値モデリングにおいて、従来のガウス過程エミュレータと比較して計算効率と精度の両面で優れているか？
• RQ3 XVAEは、弱いか時間的に変化する極値的依存を示す地域において、真の尾部依存構造をどの程度正確に再現できるか？
• RQ4 本手法は、既存のGANベースやコプチャベースのエミュレータと比較して、空間的極値の同時尾部挙動をよりよく捉えられるか？
• RQ5 高分解能の海表面水温データにおける赤海の極値的依存の空間的・時間的パターンは何か？

主な発見

• XVAEは、従来のベイズ推論と比較して顕著な計算速度の向上を達成し、複雑な空間的極値の事後分布シミュレーションと不確実性の定量化を効率的に行える。
• XVAEは、定常的依存構造モデルや既存のGANベースのエミュレータと比較して、特に同時極値事象の真の極値的依存構造をよりよく捉えている。
• レッドシー海SSTデータセットにおいて、XVAEは極値的依存が海の内部で弱く、30年間の間にわずかに低下していることを明らかにした。
• 適合度検定の結果、すべての地点でGEV分布が月次最大値にt分布よりもより良い適合を示し、GEVモデル下でのp値はすべての地点で0.05以上であった。
• 実証的尾部依存指標（χh(u)）は、XVAEが生成したデータが、50 km、200 km、500 kmの空間ラグすべてにおいて観測データとよく一致していることを示している。
• 本モデルは16,703個のグリッドセルと372か月分の月次最大値を扱う高次元データを効果的に処理でき、実世界の気候応用におけるスケーラビリティとロバストネスを示した。

Figure 3 : Data replicate (left) and its corresponding emulated fields (XVAE, middle; hetGP , right) from Model III . See Figure E.1 of the Supplementary Material for comparisons for the other models. In all cases, we use data-driven knots for emulation using XVAE.