[論文レビュー] SPDE based modeling of large space-time data sets

Fabio Sigrist, Werner A. Stahel|arXiv (Cornell University)|Jan 1, 2014

Soil Geostatistics and Mapping参考文献 98被引用数 3

ひとこと要約

本稿では、スペクトル法を用いて計算的に効率的な推論を可能にする、スパムスパティオトロピカルデータセットをモデル化するための確率的偏微分方程式（SPDE）フレームワークを提案する。この手法は非分離型の共分散構造を捉え、輸送や拡散といった物理的に解釈可能なダイナミクスを表現でき、生の数値モデル出力よりも降水予測を著しく改善する。

ABSTRACT

Increasingly larger data sets of processes in space and time ask for statistical models and methods that can cope with such data. We show that solutions of stochastic advectiondiusion partial dierential equations (SPDEs) provide a exible model class for spatiotemporal processes which is computationally feasible also for large data sets. The solution of the SPDE has in general a nonseparable covariance structure. Furthermore, its parameters can be physically interpreted as explicitly modeling phenomena such as transport and diusion that occur in many natural processes in diverse elds ranging from environmental sciences to ecology. In order to obtain computationally ecient statistical algorithms we use spectral methods to solve the SPDE. This has the advantage that approximation errors do not accumulate over time, and that in the spectral space the computational cost grows linearly with the dimension, the total computational costs of Bayesian or frequentist inference being dominated by the fast Fourier transform. The proposed model is applied to postprocessing of precipitation forecasts from a numerical weather prediction model for northern Switzerland. In contrast to the raw forecasts from the numerical model, the postprocessed forecasts are calibrated and quantify prediction uncertainty. Moreover, they outperform the raw forecasts.

研究の動機と目的

• 計算的に実行可能な統計的手法を用いて、ますます大きなスパティオトロピカルデータセットをモデル化する課題に対処すること。
• 自然現象に見られる複雑な非分離型のスパティオトロピカル依存関係を捉える柔軟なモデルクラスを開発すること。
• 環境的および生態的システムに共通する輸送および拡散現象を物理的に解釈可能なパラメータとして表現できること。
• スペクトル法を用いることで、大規模データ設定におけるベイズ的または頻度主義的推論の計算効率を高めること。

提案手法

• スパティオトロピカル過程を確率的移流拡散偏微分方程式（SPDE）の解を用いてモデル化する。
• SPDEを解くためにスペクトル法を適用し、時間経過に伴う近似誤差の蓄積を回避する。
• 高速フーリエ変換（FFTs）を用いて計算コストを削減し、スペクトル空間における次元に線形に比例するスケーリングを実現する。
• SPDEの解を非分離型の共分散構造に適合させ、複雑なスパティオトロピカル依存関係に適した形に定式化する。
• SPDEモデルを統計フレームワークに統合し、数値的天気予報出力の後処理に用いる。
• SPDEモデルを用いて、計算的に効率的な方法で予測の補正と不確実性の定量化を実現する。

実験結果

リサーチクエスチョン

• RQ1 SPDEベースのモデルは、大規模なスパティオトロピカルデータセットに対して柔軟かつ計算的に実行可能なフレームワークを提供できるか？
• RQ2 従来のモデルと比較して、SPDEの解は非分離型のスパティオトロピカル共分散構造をどの程度正確に捉えることができるか？
• RQ3 SPDEのパラメータは、現実のプロセスにおける輸送および拡散をどの程度物理的に解釈できるか？
• RQ4 SPDE推論におけるスペクトル法の使用は、計算コストを削減しながらも精度を維持できるか？
• RQ5 SPDEベースの後処理は、数値的天気予報の補正の精度と予測性能を向上させることができるか？

主な発見

• SPDEベースのモデルは、非分離型のスパティオトロピカル共分散構造を効果的に捉え、複雑なプロセスのより正確な表現を可能にした。
• スペクトル法により、計算的に効率的な推論が実現され、合計コストは高速フーリエ変換に支配され、次元に線形に比例するスケーリングを示した。
• モデルのパラメータは物理的に解釈可能であり、自然システムで観察される輸送および拡散メカニズムを明示的に表現している。
• SPDEモデルを用いた後処理による予報は、生の数値的天気予報と比較して補正が良く、不確実性の定量化もより信頼性が高かった。
• SPDEベースの後処理手法は、スイス北西部の降水量予測において、生の予報を上回る予測性能を示した。