[論文レビュー] Spatial Matérn fields driven by non-Gaussian noise

David Bolin|arXiv (Cornell University)|Jun 4, 2012

Soil Geostatistics and Mapping参考文献 18被引用数 4

ひとこと要約

本稿は、ガウス型ランダム場のSPDEに基づく計算フレームワークを、ラプラスノイズ駆動型空間マトérn場を導入することで非ガウス型空間過程へと拡張する。効率的なシミュレーション手法と、マークフ・ランダムフィールド近似を用いた安定なEMベースのパラメータ推定手法を開発し、裾が重たい・歪度のある空間データに対するスケーラブルな推論を可能にする。

ABSTRACT

The article studies non-Gaussian extensions of a recently discovered link between certain Gaussian random fields, expressed as solutions to stochastic partial differential equations (SPDEs), and Gaussian Markov random fields. The focus is on non-Gaussian random fields with Matérn covariance functions, and in particular we show how the SPDE formulation of a Laplace moving average model can be used to obtain an efficient simulation method as well as an accurate parameter estimation technique for the model. This should be seen as a demonstration of how these techniques can be used, and generalizations to more general SPDEs are readily available.

研究の動機と目的

• ガウス型フィールドに限定されていたSPDEフレームワークを、マトérn共分散構造を有する非ガウス型空間過程へと拡張すること。
• マトérn共分散を有するラプラス移動平均モデルのシミュレーションおよびパラメータ推定における計算課題に対処すること。
• SPDEアプローチが非ガウス型ノイズに適応可能であることを示し、計算効率を維持するとともに、スケーラブルな推論を可能にすること。
• 特に重たい尾を持つノイズの下でも、EMアルゴリズムを用いた安定なパラメータ推定手順を開発すること。
• マークフ・ランダムフィールド近似技術を非ガウス設定へ一般化し、大規模データセットにおける計算の実行可能性を保証すること。

提案手法

• ガウス型ホワイトノイズの代わりにラプラス型ホワイトノイズを用いた確率的偏微分方程式（SPDE）として、ラプラス駆動型空間マトérn場を定式化する。
• ヒルベルト空間近似法を適用し、基底関数を用いて解を表現することで、潜在的ガウス・マークフ・ランダムフィールド（GMRF）表現を得る。
• 条件付き分布アプローチを用いて潜在変数をモデル化し、分散成分を逆ガンマ分布に条件付きで分布させる。これにより、EMベースの推論が可能になる。
• ラプラス尺度パラメータτの値が小さい場合の数値的安定性を向上させるために、高振幅の条件付き期待値の切り捨てを含むトレuncated EMアルゴリズムを採用する。
• ガウス型SPDEで用いられる有限要素法およびスパース行列技術を非ガウス型SPDEに適応し、GMRF近似を用いて実現を効率的にシミュレートする。
• 近似モデル下での観測データの尤度を導出し、分散成分の更新を伴うEMアルゴリズムを繰り返し用いて最大化する。

実験結果

リサーチクエスチョン

• RQ1 ガウス型マトérn場に特化したSPDEベースの計算フレームワークは、ラプラスノイズ駆動型非ガウス型フィールドへと拡張可能か？
• RQ2 SPDEおよびGMRF近似を用いることで、ラプラス駆動型空間マトérn場の効率的シミュレーションとパラメータ推定はどのように達成可能か？
• RQ3 特にτが小さい場合に、パラメータ推定における数値的安定性を保証するためにEMアルゴリズムに必要な修正は何か？
• RQ4 マークフ・ランダムフィールド近似は、元のラプラス移動平均モデルの統計的性質をどの程度保持するか？
• RQ5 SPDEアプローチは、ラプラス分布を超えた他の非ガウス型ノイズ過程（例：トゥイステッド安定分布）へ一般化可能か？

主な発見

• ラプラス移動平均モデルのSPDE定式化により、スパース行列技術を活用したGMRF近似を介して、効率的なシミュレーションが可能になる。
• τが小さい場合の数値的安定性を向上させるために、高振幅の条件付き期待値を切り捨てた、安定なEMベースのパラメータ推定手順が開発された。
• シミュレーションスタディにおいて、中程度のサンプルサイズでも信頼性の高いパラメータ推定が得られ、重たい尾や歪度のあるデータに対してもロバストであることが示された。
• 有限要素基底関数によって生じる近似誤差は制御可能であり、真の共分散範囲と基底関数の間隔に依存することが示された。
• 本フレームワークは、他の非ガウス型ノイズ（例：トゥイステッド安定分布）やより一般的なSPDE（非ステーションリティやネスト型SPDEを含む）へも拡張可能である。
• ガウス型SPDEフレームワークと同様に、大規模データセットに対しても計算スケーラビリティを維持しており、空間統計分野における実用的応用を可能にする。