[논문 리뷰] Hierarchical space-time modeling of exceedances with an application to rainfall data

Jean-Noël Bacro, Carlo Gaetan외 2명|arXiv (Cornell University)|2017. 08. 08.

Financial Risk and Volatility Modeling참고 문헌 47인용 수 3

한 줄 요약

이 논문은 공간-시간 감마 과정의 컨볼루션을 사용하여 지수 과정의 강도를 모델링함으로써 渐近적 독립 초과에 대한 새로운 계층적 공간-시간 모델을 제안한다. 이는 이동하는 기하학적 물체를 통해 물리적으로 해석 가능한 이방성 의존성을 가능하게 한다. 이 모델은 프랑스 남부 지역의 시간당 강우량 극단치를 모델링할 때 캔서드 가우시안 랜덤 필드보다 성능이 뛰어나며, 가중 쌍별 우도를 통해 빠르고 정확한 추론이 가능하다.

ABSTRACT

The statistical modeling of space-time extremes in environmental applications is key to understanding complex dependence structures in original event data and to generating realistic scenarios for impact models. In this context of high-dimensional data, we propose a novel hierarchical model for high threshold exceedances defined over continuous space and time by embedding a space-time Gamma process convolution for the rate of an exponential variable, leading to asymptotic independence in space and time. Its physically motivated anisotropic dependence structure is based on geometric objects moving through space-time according to a velocity vector. We demonstrate that inference based on weighted pairwise likelihood is fast and accurate. The usefulness of our model is illustrated by an application to hourly precipitation data from a study region in Southern France, where it clearly improves on an alternative censored Gaussian space-time random field model. While classical limit models based on threshold-stability fail to appropriately capture relatively fast joint tail decay rates between asymptotic dependence and classical independence, strong empirical evidence from our application and other recent case studies motivates the use of more realistic asymptotic independence models such as ours.

연구 동기 및 목표

• 환경 극단치, 특히 강우량 자료에 대해 고임계 초과를 위한 물리적으로 해석 가능한 공간-시간 모델을 개발한다.
• 기존의 최대 안정성 모델과 가우시안 모델이 점 渐진적 독립성을 잘 포착하지 못하는 한계를 해결한다. 이는 환경 자료에서 흔한 현상이다.
• 고차원의 연속적 공간-시간 자료에서 복잡한 시공간 의존성 구조와 현실적인 꼬리 행동을 모델링한다.
• 복합 우도 방법을 활용해 대규모 환경 데이터셋에 대해 빠르고 정확한 추론을 가능하게 한다.
• 더 나은 공동 꼬리 감쇠율 포착을 통해 홍수 위험에 대한 시뮬레이션 및 예측 능력을 향상시킨다.

제안 방법

• 모델은 지수 과정의 강도 파ameter를 정의하기 위해 공간-시간 감마 랜덤 필드를 사용하며, 이는 극단치에서 점 渐진적 독립성을 유도한다.
• 감마 과정은 공간-시간 거리와 속도 벡터에 의존하는 커널을 사용한 컨볼루션으로 구성되며, 이는 이방성의 물리적 동기를 가진 의존성을 가능하게 한다.
• 의존성 구조는 고정된 속도로 공간-시간를 이동하는 기하학적 물체(예: 시우세포)에 의해 구동되며, 물리적 시우 동역학을 반영한다.
• 추론은 계산적으로 효율적이고 고차원 자료에 대해 정확한 것으로 입증된 가중 쌍별 우도를 사용한다.
• 모델은 계층적 프레임워크에 통합되어 있어, 탄력적인 균형 및 의존성 구조 모델링이 가능하면서도 해석 가능성을 유지한다.
• 우도 계산을 용이하게 하기 위해 기저 랜덤 측도의 라플라스 변환을 유도하였으며, 단변량 및 이변량 라플라스 변환에 대한 명시적 공식을 제공한다.

실험 결과

연구 질문

• RQ1 물리적으로 해석 가능한 공간-시간 모델이 기존 모델보다 환경 극단치에서 점 渐진적 독립성을 더 효과적으로 포착할 수 있는가?
• RQ2 감마 과정 컨볼루션 모델이 고강우량 임계치 초과의 시공간 의존성을 얼마나 잘 표현할 수 있는가?
• RQ3 속도에 의해 구동되는 기하학적 물체 프레임워크의 사용이 시공간 극단치에서 시우 동역학 모델링을 향상시키는가?
• RQ4 가중 쌍별 우도가 대규모 공간-시간 극단치 모델에 대해 빠르고 정확한 추론을 제공할 수 있는가?
• RQ5 제안된 모델이 극단 강우량 사건 예측에서 캔서드 가우시안 랜덤 필드보다 어떻게 성능이 뛰어나게 되는가?

주요 결과

• 제안된 모델은 프랑스 남부 지역의 시간당 강우량 자료에 대해 캔서드 가우시안 공간-시간 랜덤 필드 모델보다 유의미하게 더 좋은 적합도를 보였다.
• 실증 분석을 통해 데이터에 점 渐진적 독립성이 존재함을 확인하였으며, 이는 고전적 최대 안정성 또는 점 渐진적 의존성 한계를 초월한 모델의 필요성을 뒷받침한다.
• 모델은 비교적 빠른 공동 꼬리 감쇠율을 포착하였으며, 이는 고전적 극한 모델이 정확히 표현하지 못하는 부분이다.
• 가중 쌍별 우도 추론은 계산적으로 효율적이며 정확하여 대규모 데이터셋에의 적용이 가능하다.
• 속도에 의해 구동되는 기하학적 구조는 시우 전파를 물리적으로 해석 가능한 메커니즘으로 제공하여 모델의 해석 가능성을 향상시킨다.
• 점 渐진적 독립성을 부드럽게 의존성으로 전이할 수 있는 능력 덕분에, 극단 강우량 사건의 더 현실적인 시뮬레이션을 가능하게 한다.