[논문 리뷰] Higher-dimensional spatial extremes via single-site conditioning

Jennifer L. Wadsworth, Jonathan A. Tawn|arXiv (Cornell University)|2019. 12. 13.

Climate variability and models인용 수 7

한 줄 요약

이 논문은 단일 위치 조건부 기반의 조건부 다변량 극단가치 프레임워크를 활용하여, 고차원 공간 극단가치 모델을 유연하게 제안한다. 여러 위치에서의 동시 추론과 중요도 샘플링을 통해, 점 渐진적 독립성 조건이 존재하는 경우에도 스케일러블한 공간 극단가치 모델링을 가능하게 하며, 호주 여름 기온 극단가치에 대한 적용을 통해 이를 입증한다.

ABSTRACT

Currently available models for spatial extremes suffer either from inflexibility in the dependence structures that they can capture, lack of scalability to high dimensions, or in most cases, both of these. We present an approach to spatial extreme value theory based on the conditional multivariate extreme value model, whereby the limit theory is formed through conditioning upon the value at a particular site being extreme. The ensuing methodology allows for a flexible class of dependence structures, as well as models that can be fitted in high dimensions. To overcome issues of conditioning on a single site, we suggest a joint inference scheme based on all observation locations, and implement an importance sampling algorithm to provide spatial realizations and estimates of quantities conditioning upon the process being extreme at any of one of an arbitrary set of locations. The modelling approach is applied to Australian summer temperature extremes, permitting assessment of the spatial extent of high temperature events over the continent.

연구 동기 및 목표

• 고차원 의존성 구조를 다루는 데에 한계가 있는 기존 공간 극단가치 모델의 문제점을 해결한다.
• 20~30개 이상의 위치를 포함할 경우 발생하는 계산 복잡도 문제를 해결한다. 특히 최대안정성 및 페아토 과정 모델의 스케일링 문제를 해결한다.
• 환경 데이터에서 흔히 나타나는 점 渐진적 독립성 조건 하에서도 유효한 모델을 개발한다.
• 공간 극단가치의 위험 평가를 위해 분포 꼬리 영역으로의 신뢰성 있는 외삽을 가능하게 한다.
• 중요도 샘플링과 복합우도를 활용하여 대규모 공간 데이터셋에 대한 계산 가능하고 실용적인 추론 기법을 제공한다.

제안 방법

• 극단가치 이론을 단일 위치에서의 극단적 값 조건부로 설정하여, 조건부 다변량 극단가치 모델을 활용한다.
• 모든 관측 위치로부터의 정보를 통합하는 동시 추론 기법을 제안하여, 단일 조건부 위치에 의존하지 않는다.
• 특정 위치 집합 중 어느 곳에서든 극단적 사건이 발생할 조건부로 공간적 실현값과 양상을 추정하기 위해 중요도 샘플링 알고리즘을 구현한다.
• 의존성 구조에 대해 비모수적 모형을 적용하며, 변형된 공간 상관 구조 함수와 잔차 과정에 대한 델타-라플라스 분포를 사용한다.
• 계산 효율성 향상과 파rameter 안정성 확보를 위해 이변량 피팅을 기반으로 한 복합우도 추정 기법을 적용한다.
• 고차원 설정에서 다변량 정규분포의 누적분포함수 계산을 가속화하기 위해 mvnfast R 라이브러리를 활용한다.

실험 결과

연구 질문

• RQ1 단일 위치 조건부 접근법을 다수의 공간 위치에 걸쳐 동시 추론이 가능한 극단가치 모델링으로 확장할 수 있는가?
• RQ2 고차원 공간 과정으로의 확장이 가능하면서도 의존성 구조의 민감성과 변동성을 유지할 수 있는가?
• RQ3 환경 극단가치에서 흔하지만 문제를 일으키는 점 渐진적 독립성 특성을 얼마나 잘 처리할 수 있는가?
• RQ4 30개 이상의 위치를 포함할 경우, 우도 기반 추론의 계산 가능성은 어느 정도인가?
• RQ5 실제 기후 데이터에서 관측된 공간적 극단가치 의존성 패턴을 모델이 얼마나 잘 재현할 수 있는가?

주요 결과

• 제안된 방법은 기존의 최대안정성 및 페아토 과정 모델이 일반적으로 실패하는 고차원 공간 극단가치 모델링(최대 72개의 위치)에 성공적으로 적용된다.
• 증가하는 분위수 수준에 따라 의존성이 약화되는 경향을 잘 반영한다. 즉, $q \to 1$에 따라 $χ_q(s_1,s_2)$가 감소하는 것으로 나타나며, 이는 기존의 페아토 과정 모델이 표현할 수 없는 현상이다.
• 중요도 샘플링을 통해 다수의 위치에서 극단적 사건이 발생할 조건부로 공간적 실현값과 꼬리 확률을 정확하게 추정할 수 있다.
• 이변량 피팅을 기반으로 한 복합우도 추정 기법은 안정적인 파rameter 추정을 가능하게 하며 잔차 분석을 통한 모델 점검도 가능하다.
• 계산 시간은 차원에 따라 합리적으로 증가하며, 복합우도 추정은 단일 위치 우도의 $d$ 배 이상 약간 더 오래 걸리지만, 수백 개의 위치까지 실용적으로 적용 가능하다.
• 특히 꼬리 행동과 의존성의 공간 감쇠 패턴에서, 호주 여름 기온 데이터의 진정된 극단가치 의존성 구조를 기존의 페아토 과정 모델보다 더 잘 재현한다.