[論文レビュー] Information-Theoretic Methods for Identifying Relationships among Climate Variables

Kevin H. Knuth, Deniz Gençağa+1 more|arXiv (Cornell University)|Dec 19, 2014

Meteorological Phenomena and Simulations参考文献 10被引用数 3

ひとこと要約

本稿では、エントロピーと相互情報量の推定を用いて気候変数間の関係を特定するための確率的で情報理論的な枠組みを提示する。限られた観測データにおける周辺および結合エントロピーの正確な計算と不確実性の定量化に先進的な計算技術を適用することで、統計的に有意な依存関係の検出が可能となり、これはISCCP雲データと赤道付近の太平洋海面水温の間の気候連関を同定することで実証された。

ABSTRACT

Information-theoretic quantities, such as entropy, are used to quantify the amount of information a given variable provides. Entropies can be used together to compute the mutual information, which quantifies the amount of information two variables share. However, accurately estimating these quantities from data is extremely challenging. We have developed a set of computational techniques that allow one to accurately compute marginal and joint entropies. These algorithms are probabilistic in nature and thus provide information on the uncertainty in our estimates, which enable us to establish statistical significance of our findings. We demonstrate these methods by identifying relations between cloud data from the International Satellite Cloud Climatology Project (ISCCP) and data from other sources, such as equatorial pacific sea surface temperatures (SST).

研究の動機と目的

• 気候データからのエントロピーおよび相互情報量の推定に、正確で不確実性を考慮した手法を開発すること。
• 限られた観測データとノイズの多い気候観測から、情報理論的量を信頼性高く推定する課題に対処すること。
• 確率的推論を用いて、気候変数間の依存関係の統計的に有意な検出を可能にすること。
• 本手法の実世界の気候データセット（例：雲データと海面水温データ）における意味のある関係の同定への有用性を実証すること。

提案手法

• データから周辺および結合エントロピーを推定するための確率的アルゴリズムを用い、点推定に加えて不確実性の推定を提供する。
• 非パラメトリック密度推定技術を用いて、制御された誤差境界を伴うエントロピー値を計算する。
• データが少ない場合の確率分布の制約に、最大エントロピーの原理を適用する。
• 推定された結合エントロピーと周辺エントロピーの関数として相互情報量を計算し、変数間の共有情報量を定量化する。
• ベイズ推論を組み込み、エントロピーおよび相互情報量の推定における不確実性を伝搬する。
• エントロピー推定値の不確実性に基づく統計的有意性検定を用いて結果を検証する。

実験結果

リサーチクエスチョン

• RQ1 限られたサンプル数の実世界の気候データから、相互情報量のような情報理論的指標を信頼性高く推定する方法は何か？
• RQ2 雲カバーと海面水温の間の観察された依存関係の統計的有意性は何か？
• RQ3 エントロピーの確率的推定は、気候システムにおける非線形関係の検出をどのように改善できるか？
• RQ4 エントロピーおよび相互情報量における不確実性推定は、気候変数間の関係の解釈にどのように影響するか？
• RQ5 これらの手法は、赤道太平洋における既知の気候トランスミッション（例：ENSO）をどの程度正確に検出できるか？

主な発見

• 提案手法は、不確実性を定量化した周辺および結合エントロピーの正確な推定を可能にし、従来の非確率的アプローチよりも信頼性が向上している。
• 本手法から得られた相互情報量の推定値は、ISCCP雲データと赤道太平洋の海面水温との間で統計的に有意な関係を示している。
• 不確実性の定量化により、観察された依存関係が偶然に起因するものか、意味のあるものかを厳密に評価できる。
• フレームワークは、既知の気候パターンを正しく同定でき、実世界の気候連関の検出における有効性を検証した。
• 本手法は、従来の推定器がしばしば失敗するような、気候データに一般的に見られる低サンプル数の状況でも頑健であることが示された。
• 確率的推論の適用により、ノイズが多く観測数が限られる状況下でも、検出された関係に対する信頼性が向上した。