[論文レビュー] Spatial wavelet Markov models are more efficient than covariance tapering and process convolutions

David Bolin, Finn Lindgren|arXiv (Cornell University)|Jun 10, 2011

Soil Geostatistics and Mapping被引用数 4

ひとこと要約

この論文は、大規模な空間データにおける共分散トーピングやプロセス畳み込みの計算的に効率的な代替手段として、空間ウェーブレットマークフ・モデルを提案する。ヒルベルト空間におけるガウス・マテルン場の近似にウェーブレット基底関数を活用することで、同じ計算コストにおいて著しく高い精度を達成し、速度と精度の両面で既存の手法を上回る。

ABSTRACT

The Matern covariance function is a popular choice for modeling dependence in spatial environmental data. Standard Matern covariance models are, however, often computationally infeasible for large data sets. In this work, recent results for Markov approximations of Gaussian Matern fields based on Hilbert space approximations are extended using wavelet basis functions. These Markov approximations are compared with two of the most popular methods for efficient covariance approximations; covariance tapering and the process convolution method. The results show that, for a given computational cost, the Markov methods have a substantial gain in accuracy compared with the other methods.

研究の動機と目的

• 大規模な空間データセットにおける標準的なマテルン共分散モデルの計算上的な非現実性に対処すること。
• 共分散トーピングやプロセス畳み込みのような既存の効率的な共分散近似手法の精度を向上させること。
• 空間ガウス過程のためのウェーブレット基底関数を用いた新しいマークフ近似フレームワークを開発すること。
• ウェーブレットに基づくマークフ・モデルが、同等の計算制約下で競合手法を上回る精度を達成することを実証すること。

提案手法

• この手法は、ガウス・マテルン場のヒルベルト空間近似を構築するためにウェーブレット基底関数を用いる。
• マテルン共分散をウェーブレット展開を用いて離散化することで、マークフ・ランダムフィールド表現を定式化する。
• ウェーブレット変換のスパarsityを活用して計算複雑性を低減する。
• 得られたマークフ・モデルにより、スパース行列演算を用いて尤度や予測の高速計算が可能になる。
• 同じ計算予算下で、共分散トーピングやプロセス畳み込み技術と直接比較する。
• 合成および実空間データを用いて、近似誤差と計算コストを評価する。

実験結果

リサーチクエスチョン

• RQ1 ウェーブレットに基づくマークフ近似は、大規模な空間データセットにおいて、共分散トーピングやプロセス畳み込みよりも高い精度を達成できるか？
• RQ2 同等のリソース制約下で、ウェーブレット・マークフ・モデルの計算効率は既存手法と比べてどうか？
• RQ3 ウェーブレットに基づく近似は、真のマテルン場の統計的性質をどの程度保持するか？
• RQ4 ウェーブレット基底関数の使用は、空間モデリングにおけるより優れた数値的安定性とスケーラビリティをもたらすか？

主な発見

• ウェーブレット・マークフ・モデルは、同じ計算コストにおいて共分散トーピングやプロセス畳み込みよりも著しく高い精度を達成する。
• ウェーブレットに基づくアプローチは、真のマテルン共分散構造への近似忠実度をより良く維持する。
• ウェーブレット変換が誘発するスパarsityのおかげで、この手法は優れたスケーラビリティを示す。
• 計算上の節約は、高次元空間設定において特に顕著である。
• ウェーブレットを用いたマークフ近似は、競合手法よりも空間依存性のより正確な表現を提供する。
• 結果から、ウェーブレットに基づくヒルベルト空間近似が、大規模空間統計の分野において有望な代替手段であることが確認された。