[논문 리뷰] A Dynamic Spatio-temporal Precipitation Model

Fabio Sigrist, Werner A. Stahel|arXiv (Cornell University)|2011. 02. 21.

Hydrology and Drought Analysis참고 문헌 63인용 수 3

한 줄 요약

이 논문은 캔서드 및 힘의 변환된 정규분포와 잠재 가우시안 과정을 조합하여 연속적이고 이산적인 강수를 함께 모델링하는 동적 시공간 강수 모델을 제안한다. 마르코프 시계열 역학과 공간적으로 상관된 오차항을 갖는 벡터 자기회귀 구조를 사용함으로써, 분리 불가능한 공분산 구조와 계산 효율성을 확보하며, 3시간 간격의 스위스 강수 데이터에 적용된다. 모델 적합도 평가를 위해 새로운 사후 예측 밀도가 도입된다.

ABSTRACT

A spatio-temporal model for precipitation is presented. Modeling the continuous and the discrete part of rainfall together, it is assumed that precipitation has a censored and powertransformed normal distribution. The mean of this distribution is linked to covariates. Spatio-temporal correlations are accounted for by a latent Gaussian variable that follows a Markovian temporal evolution combined with spatially correlated innovations. We propose to specify the temporal evolution using a vector autoregression that is motivated by an autoregressive convolution approach. Exploiting in a natural way the unidirectional flow of time, the model allows for non-separable covariance structures. Furthermore, the Markovian structure offers computational benefits. The model is space as well as time resolution consistent. We apply the model to three-hourly Swiss rainfall data, collected at 26 stations. As a side result, we introduce a new tool, the primary posterior predictive density, for assessing the fit of Bayesian models.

연구 동기 및 목표

• 강수의 연속적 및 이산적 성분을 동시에 포괄하는 통합 시공간 모델을 개발하는 것.
• 마르코프 시계열 진화를 갖는 잠재 가우시안 과정를 통해 복잡한 시공간 상관관계를 고려하는 것.
• 공간과 시간에서의 해상도 일致성과 함께 계산 효율성을 확보하는 것.
• 시간의 단방향 흐름을 활용하여 비분리 가능한 공분산 구조를 가능하게 하는 것.
• 주요 사후 예측 밀도를 도입하고, 베이지안 모델 적합도 평가를 위한 새로운 도구로 적용하는 것.

제안 방법

• 관측된 강수에 대해 캔서드 및 힘의 변환된 정규분포를 가정하며, 평균은 공변량과 연결된다.
• 공간적으로 상관된 오차항을 갖는 마르코프 시계열 진화를 갖는 잠재 가우시안 과정를 사용하여 시공간적 의존성을 표현한다.
• 시간 진화는 자동회귀 컨볼루션 방법을 영감으로 삼은 벡터 자기회귀 모델을 통해 모델링되어 시간 일致성을 확보한다.
• 시간의 단방향 성질을 활용함으로써, 비분리 가능한 시공간 공분산을 가능하게 하는 모델 구조를 제공한다.
• 마르코프 구조를 통해 조건부 분포를 단순화하고 스케일러블 추론을 가능하게 하여 계산 효율성을 확보한다.
• 베이지안 모델 적합도 평가를 위한 새로운 진단 도구인 주요 사후 예측 밀도를 도입한다.

실험 결과

연구 질문

• RQ1 연속적 및 이산적 강수 성분을 하나의 통계적 프레임워크 내에서 효과적으로 모델링할 수 있는 방법은 무엇인가?
• RQ2 강수 데이터에서 비분리 가능한 시공간 의존성을 효과적으로 표현하는 가장 적절한 방법은 무엇인가?
• RQ3 시간의 단방향 흐름을 유지하면서도 계산 가능성을 확보할 수 있는 시간 역학은 어떻게 모델링할 수 있는가?
• RQ4 마르코프 구조를 갖는 잠재 가우시안 과정는 모델의 유연성과 계산 효율성을 향상시킬 수 있는가?
• RQ5 새로운 해석 가능한 진단 도구를 통해 베이지안 모델 적합도는 어떻게 평가할 수 있는가?

주요 결과

• 캔서드 및 힘의 변환된 정규분포를 사용함으로써, 시간당 및 3시간 간격의 강수 데이터에서 간헐적(0) 및 연속적(양수) 성분을 성공적으로 포착한다.
• 마르코프 시계열 진화를 갖는 벡터 자기회귀 구조를 활용함으로써, 비분리 가능한 시공간 공분산을 실현하여 모델의 현실성 향상을 이룬다.
• 공간적으로 상관된 오차항을 갖는 잠재 가우시안 과정는 공간 의존성을 효과적으로 모델링하면서도 계산 효율성을 유지한다.
• 제안된 주요 사후 예측 밀도는 복잡한 시공간 설정에서의 베이지안 모델 적합도 평가를 위한 강력하고 해석 가능한 방법을 제공한다.
• 모델은 공간 및 시간 해상도 일치성을 보이며, 운영 및 수문학적 응용에 적합하다.
• 26개 스위스 강우 관측소에 대한 실증 적용을 통해, 모델이 실제 데이터에서 복잡한 시공간 패턴을 효과적으로 표현할 수 있음을 확인한다.