[논문 리뷰] A Hierarchical Max-infinitely Divisible Process for Extreme Areal Precipitation Over Watersheds

Gregory P. Bopp, Benjamin A. Shaby외 1명|arXiv (Cornell University)|2018. 05. 16.

Hydrology and Drought Analysis인용 수 3

한 줄 요약

이 논문은 극단적인 지역 강수량을 모델링하기 위해 계층적인 최대 무한가소적 과정을 제안하며, 높은 극단에서 공간적 의존성이 약화되는 현상을 반영한다—기존의 최대 안정 모델의 핵심 한계를 보완한다. 탄력적인 난수 기저 함수와 계층적 우도 구조를 사용함으로써 모델은 확장 가능한 베이지안 추론을 가능하게 하며, 극단의 공간적 패턴을 포착하면서도 최대 안정성은 특수한 경우로 유지한다.

ABSTRACT

Understanding the spatial extent of extreme precipitation is necessary for determining flood risk and adequately designing infrastructure (e.g., stormwater pipes) to withstand such hazards. While environmental phenomena typically exhibit weakening spatial dependence at increasingly extreme levels, limiting max-stable process models for block maxima have a rigid dependence structure that does not capture this type of behavior. We propose a flexible Bayesian model from a broader family of max-infinitely divisible processes that allows for weakening spatial dependence at increasingly extreme levels, and due to a hierarchical representation of the likelihood in terms of random effects, our inference approach scales to large datasets. The proposed model is constructed using flexible random basis functions that are estimated from the data, allowing for straightforward inspection of the predominant spatial patterns of extremes. In addition, the described process possesses max-stability as a special case, making inference on the tail dependence class possible. We apply our model to extreme precipitation in eastern North America, and show that the proposed model adequately captures the extremal behavior of the data.

연구 동기 및 목표

• 최대 안정 과정이 극단 강수 수준에서 공간적 의존성이 감소하는 것을 포착하지 못하는 한계를 해결하기 위해.
• 극단의 데이터 기반 공간 패턴에 적응할 수 있는 탄력적인 베이지안 모델을 개발하기 위해.
• 난수 효과를 포함한 계층적 표현을 통해 대규모 공간 데이터셋에서의 확장 가능한 추론을 가능하게 하기 위해.
• 추정된 난수 기저 함수를 통해 주요 공간 패턴을 진단할 수 있도록 하기 위해.
• 최대 안정성을 특수한 경우로 유지하여 꼬리 의존성 클래스에 대한 추론을 지원하기 위해.

제안 방법

• 모델은 최대 무한가소적 과정의 가족 내에 구축되어 탄력적인 극단적 의존성 구조를 허용한다.
• 계층적 우도 구조는 난수 효과를 사용하여 대규모 데이터셋에서의 확장 가능한 베이지안 추론을 가능하게 한다.
• 탄력적인 난수 기저 함수는 데이터로부터 추정되어 극단 강수량의 공간 패턴을 표현한다.
• 모델의 의존성 구조는 높은 극단에서 약화되며, 관측된 환경적 행동을 반영한다.
• 과정은 최대 안정성을 특수한 경우로 포함하여 꼬리 의존성에 대한 통계적 추론을 가능하게 한다.
• 추론은 계층적 구조에 맞게 조정된 마르코프 체인 몬테카를로 방법을 사용하여 수행된다.

실험 결과

연구 질문

• RQ1 최대 무한가소적 과정은 극단 강수 수준에서 공간적 의존성이 감소하는 현상을 모델링할 수 있는가?
• RQ2 대규모 데이터셋에서 극단의 공간 패턴을 포착할 수 있는 탄력적이고 확장 가능한 베이지안 모델은 어떻게 구성할 수 있는가?
• RQ3 모델의 계층적 구조는 기존의 표준 최대 안정 모델에 비해 계산 효율성을 얼마나 향상시키는가?
• RQ4 추정된 기저 함수를 통해 모델은 극단 강수량의 주요 공간 패턴을 식별할 수 있는가?
• RQ5 더 탄력적인 의존성 구조를 허용하면서도 최대 안정성을 특수한 경우로 유지하는가?

주요 결과

• 제안된 모델은 표준 최대 안정 모델이 표현하지 못하는 바와 같이, 점점 더 극단적인 강수 수준에서 공간적 의존성이 감소하는 현상을 성공적으로 포착한다.
• 계층적 구조는 대규모 공간 데이터셋에서의 효율적 추론을 가능하게 하여 기존 방법의 계산적 한계를 극복한다.
• 추정된 난수 기저 함수는 극단 강수량의 명확한 공간 패턴을 드러내며, 주요 극단적 구조에 대한 해석 가능한 통찰을 제공한다.
• 모델은 최대 안정성을 특수한 경우로 포함하여 꼬리 의존성 클래스에 대한 공식적 추론이 가능하다.
• 동북미 지역에 대한 실증 적용은 관측된 극단 강수량 데이터에 적합한 결과를 보였다.
• 모델의 탄력성 덕분에 고정된 최대 안정 모델 대비 실제 극단 행동을 더 잘 표현할 수 있다.