[論文レビュー] Multiple Changepoint Detection with Partial Information on Changepoint Times

Yingbo Li, Robert Lund+1 more|arXiv (Cornell University)|Nov 23, 2015

Statistical Methods and Inference参考文献 46被引用数 3

ひとこと要約

本稿では、部分的な事前情報（例えば、変化点の発生時刻に関するメタデータ、または二変量時系列における同時変化）が利用可能な状況下で、時系列における複数の変化点を検出する最小記述長（MDL）手順を提案する。ベイジアンMDLフレームワークにこの情報を組み込むことで、理論的整合性と最適な収束速度を達成し、特に気候データの均質化応用において検出力と精度が著しく向上する。

ABSTRACT

This paper proposes a new minimum description length procedure to detect multiple changepoints in time series data when some times are a priori thought more likely to be changepoints. This scenario arises with temperature time series homogenization pursuits, our focus here. Our Bayesian procedure constructs a natural prior distribution for the situation, and is shown to estimate the changepoint locations consistently, with an optimal convergence rate. Our methods substantially improve changepoint detection power when prior information is available. The methods are also tailored to bivariate data, allowing changes to occur in one or both component series.

研究の動機と目的

• 変化点の位置に関する部分的な事前知識（例えば、観測所の履歴ログからのメタデータ）を組み込む変化点検出手法の開発を目的とする。
• 特に気温記録の気候均質化において、相関のある時系列における検出力と推定精度の向上を目的とする。
• 最大気温（Tmax）と最小気温（Tmin）のような二変量時系列における同時変化に対応できるようにMDLフレームワークを拡張することを目的とする。
• 事前情報を利用した場合のインフィル漸近的条件下での変化点推定の理論的整合性と最適収束速度の確立を目的とする。
• ドメイン知識が利用可能な状況で、標準MDLおよび頻度主義的手法を上回る実用的かつ計算可能である手法の提供を目的とする。

提案手法

• 変化点配置に関する自然な事前分布を用いて、変化点の発生時刻に関する事前知識を統合するベイジアンMDLペナルティを定式化する。
• 情報理論からの自動ペナルティルールを適用し、有界整数（変化点の位置）、無限整数（変化点数）、実数パラメータ（平均シフト）に異なるコード長を割り当てる。
• 最大気温と最小気温のような二つの成分時系列における同時変化を許容するMDLモデルの二変量拡張を適用する。
• 最小二乗推定フレームワークを用いてモデルパラメータを推定し、変化点および平均シフト推定器の漸近的整合性を保証する。
• モデル適合と複雑さのバランスを取るため、合計記述長を最小化するモデル選択手順を実装する。この手順では事前信念を組み込む。
• シミュレーションとタスカラーソア気温データの実世界分析を通じて手法を検証し、変化点の可視性を高めるためにターゲットマイナスリファレンス系列を用いる。

実験結果

リサーチクエスチョン

• RQ1 部分的な変化点時刻に関する事前情報を取り入れながらも理論的整合性を損なわずに、最小記述長手順を適応可能にできるか？
• RQ2 メタデータや同時シフト仮定の組み込みが、相関のある時系列における変化点検出力にどのように寄与するか？
• RQ3 事前情報を利用した場合のインフィル漸近的条件下での提案MDL推定器の理論的収束速度は何か？
• RQ4 標準MDLや頻度主義的手法と比較して、気候データにおける人工的平均シフトの検出に本手法はどのように性能を発揮するか？
• RQ5 異常な変化点パターンを通じて、本手法は温度記録におけるタイポなどのデータ誤り（例：1937年、1938年）をどの程度検出可能か？

主な発見

• 提案されたベイジアンMDL手法は、インフィル漸近的条件下で理論的整合性を保ち、最適な収束速度で変化点の位置を一貫して推定する。
• メタデータや同時シフト仮定の組み込みにより、月次気温記録のような相関のある時系列において、検出力と推定精度が顕著に向上する。
• タスカラーソアのターゲットマイナスリファレンス気温系列では、12件の変化点が検出された。これは、既知のメタデータイベント（例：1956年、1987年）と妥当な外れ値（例：1938年、1946年）を含む。
• 本手法は、1937年および1938年の異常な値を検出し、これらは後でデータ記録におけるタイポに起因することが判明した。
• 3つの近隣観測所からの複合リファレンス系列の使用により、リファレンスデータ由来の誤ったシフトを軽減し、変化点検出の信頼性が向上した。
• 特に同時シフトを伴う二変量設定において、事前知識が利用可能な状況で、標準MDLおよび頻度主義的手法を上回る性能を示した。