[논문 리뷰] A space-time covariance function for spatio-temporal random processes and spatio-temporal prediction (kriging)

T. Subba Rao, György Terdik|arXiv (Cornell University)|2013. 11. 08.

Soil Geostatistics and Mapping참고 문헌 24인용 수 3

한 줄 요약

이 논문은 공간 데이터의 이산 푸리에 변환(DFT)을 사용하여 정상적인 시공간 과정에 대한 새로운 시공간 공분산 함수를 제안하며, 주파수 도메인 접근 방식을 통해 효율적인 크리깅 예측을 가능하게 한다. DFT를 복소수 확률과정으로 모델링하고, 복소수 스토케스틱 편미분방정식(CSPDE)에 따라 제어함으로써 시간 이산화를 피하고, 주파수 변동도를 이용한 빠르고 강인한 추정이 가능해지며, 기존의 최대우도법 및 변동도 방법보다 계산 속도가 빠르고 비정규성에 대해 강인하다.

ABSTRACT

We consider a stationary spatio-temporal random process and assume that we have a sample. By defining a sequence of discrete Fourier transforms at canonical frequencies at each location, and using these complex valued random varables as observed sample, we obtain expressions for the spatio-temporal covariance functions and the spectral density functions of the spatio-temporal random processes. These spectra correspond to non separable class of random processes. The spatio-temporal covariance functions, obtained here are functions of the spatial distance and the temporal frequency and are similar to Matern class. These are in terms of modified Bessel functions of the second kind. and the parameters are in terms of the second order spectral density functions of the random proces and the spatial distances. We consider the estimation of the parameters of the covariance function and also briefly mention their asymptotic properties. The estimation of the entire data at a known location, and also the estimation of a value given the above sample is also considered. The predictors are obtained using the vectors of Discrete Fourier Transforms. We also describe a statistical test for testing the independence of the m spatial time series (testing for spatial independence) using the Finite Fourier Transforms and it is based on the likelihood ratio test of complex valued random variables The methods are illustrated with real data. Keywords: Discrete Fourier Transforms, Covariance functions, Spectral density functions, Space-Time Processses, Prediction(kriging) Laplacian operators, Frequency Variogram, Tests for independence, Whittle likelihood.

연구 동기 및 목표

• 공간적·시간적 의존성이 모두 존재하는 정상적인 랜덤 과정에 대해 계산 비용이 적고 강인한 시공간 예측(크리깅) 방법을 개발하는 것.
• 관측되지 않은 위치에서의 누락된 데이터 추정 문제를 주파수 도메인 기법을 사용하여 시공간 공분산 구조를 모델링함으로써 해결하는 것.
• 최대우도법의 계산 부담과 변동도 방법의 민감성 문제를 해결하기 위해 DFT 기반의 주파수 변동도 접근 방식을 도입함으로써, 큰 공분산 행렬의 역행렬 계산이 필요 없도록 하는 것.
• 이전 모델들(예: [11], [12], [20])을 일반화하는 비분리형이며 정의된 시공간 공분산 함수를 유도하는 것.
• 빠른 푸리에 변환(FFT) 알고리즘을 활용하여 큰 공분산 행렬의 역행렬 계산 없이도 효율적인 매개변수 추정을 가능하게 하는 것.

제안 방법

• 다양한 공간 위치에서의 시공간 시계열 데이터를 푸리에 주파수에서 이산 푸리에 변환(DFT)으로 변환하고, DFT를 복소수 확률변수로 간주한다.
• DFT를 복소수 확률과정으로 모델링하며, 공간 좌표에 대해서만 라플라스형 복소수 스토케스틱 편미분방정식(CSPDE)에 의해 제어된다.
• 푸리에 변환을 이용한 스펙트럼 표현을 유도함으로써, 공간적 거리와 시간 주파수에 의존하는 공분산 함수를 도출하며, 이는 비분리형 과정의 클래스를 생성한다.
• 매개변수 추정에 주파수 변동도 접근 방식을 사용하여 행렬 역행렬 계산을 피하고 비정규성에 대해 강인한 성능을 발휘한다.
• DFT는 푸앵커-켈러(kernel)를 사용하여 渐近적으로 근사화되며, 이는 스펙트럼 표현이 파동수 공간 적분 형태로 수렴하도록 한다.
• 예측은 추정된 스펙트럼 밀도와 공분산 함수를 사용하여 관측되지 않은 위치에서 수행되며, 크리깅 프레임워크에서 유도된 예측 구간이 제공된다.

실험 결과

연구 질문

• RQ1 DFT 기반 주파수 도메인 접근 방식이 전통적인 최대우도법 및 변동도 방법에 비해 계산 효율성이 높은 시공간 크리깅의 대안이 될 수 있는가?
• RQ2 공간에만 적용되는 복소수 스토케스틱 편미분방정식(CSPDE)을 어떻게 활용하여 시공간 데이터의 DFT를 모델링하고, 유효하며 비분리형의 시공간 공분산 함수를 도출할 수 있는가?
• RQ3 제안된 주파수 변동도 추정 방법이 큰 공분산 행렬의 역행렬 계산 없이도 강인하고 정확한 매개변수 추정을 제공하는가?
• RQ4 이 모델은 [11], [12], [20]에서 제시된 기존의 시공간 공분산 함수들을 얼마나 일반화하는가?
• RQ5 이 방법은 대기오염 측정치에 큰 간격이 존재하는 실세계의 시공간 데이터셋에서 누락된 데이터를 효과적으로 처리할 수 있는가?

주요 결과

• 유도된 시공간 공분산 함수는 비분리형이며, 공간 이격과 시간 주파수에 모두 의존하여 분리형 대안보다 더 유연한 모델을 제공한다.
• 빠른 푸리에 변환(FFT) 알고리즘을 활용함으로써 계산 효율성이 확보되어 기존의 최대우도법 및 변동도 기반 접근 방식보다 계산 시간이 크게 단축된다.
• 주파수 변동도 추정 방법은 정규성에서의 이탈에 강인하며, 큰 차원의 공분산 행렬의 역행렬 계산이 필요 없도록 한다.
• 이 모델은 [11], [12], [20]의 시공간 과정을 특수한 경우로 포함하여 그 일반성과 통합 잠재력을 입증한다.
• 뉴욕 시의 PM2.5 농도에 대한 실데이터 적용 사례에서, 위치 11의 누락된 값을 정확한 예측 구간과 함께 성공적으로 추정하였으며, 강한 실증 성능을 보였다.
• 푸앵커-켈러를 사용한 DFT의 점근적 근사는 스펙트럼 표현이 파동수 공간 적분 형태로 수렴하도록 하여 이론적 일致성을 보장한다.