[논문 리뷰] SPDE based modeling of large space-time data sets

Fabio Sigrist, Werner A. Stahel|arXiv (Cornell University)|2014. 01. 01.

Soil Geostatistics and Mapping참고 문헌 98인용 수 3

한 줄 요약

이 논문은 스펙트럼 방법을 활용하여 계산적으로 효율적인 추론을 가능하게 하는 확률적 편미분방정식(SPDE) 프레임워크를 제안한다. 이 방법은 비분리 공분산 구조와 운반 및 확산과 같은 물리적으로 해석 가능한 역학을 포착하여, 원시 수치 모델 출력에 비해 강수 예측을 크게 향상시킨다.

ABSTRACT

Increasingly larger data sets of processes in space and time ask for statistical models and methods that can cope with such data. We show that solutions of stochastic advectiondiusion partial dierential equations (SPDEs) provide a exible model class for spatiotemporal processes which is computationally feasible also for large data sets. The solution of the SPDE has in general a nonseparable covariance structure. Furthermore, its parameters can be physically interpreted as explicitly modeling phenomena such as transport and diusion that occur in many natural processes in diverse elds ranging from environmental sciences to ecology. In order to obtain computationally ecient statistical algorithms we use spectral methods to solve the SPDE. This has the advantage that approximation errors do not accumulate over time, and that in the spectral space the computational cost grows linearly with the dimension, the total computational costs of Bayesian or frequentist inference being dominated by the fast Fourier transform. The proposed model is applied to postprocessing of precipitation forecasts from a numerical weather prediction model for northern Switzerland. In contrast to the raw forecasts from the numerical model, the postprocessed forecasts are calibrated and quantify prediction uncertainty. Moreover, they outperform the raw forecasts.

연구 동기 및 목표

• 계산적으로 실현 가능한 통계적 방법을 사용하여 점점 커지는 시공간 데이터 세트를 모델링하는 데 도전한다.
• 자연적 과정에서 발생하는 복잡한 비분리 시공간 의존성을 포착할 수 있는 유연한 모델 클래스를 개발한다.
• 환경 및 생태계 시스템에서 흔히 나타나는 운반 및 확산 현상을 물리적으로 해석 가능한 매개변수로 표현할 수 있도록 한다.
• 스펙트럼 방법을 통해 대규모 데이터 설정에서 베이지안 또는 최우도 추론을 계산적으로 효율적으로 수행할 수 있도록 한다.

제안 방법

• 시공간 과정을 확률적 운반-확산 편미분방정식(SPDE)의 해를 사용하여 모델링한다.
• SPDE를 해결하기 위해 스펙트럼 방법을 적용하여 시간에 따른 근사 오차가 누적되지 않도록 보장한다.
• 빠른 푸리에 변환(FFT)을 활용하여 계산 비용을 감소시키며, 스펙트럼 공간에서 차원에 따라 선형적으로 증가한다.
• SPDE 해를 구성하여 복잡한 시공간 의존성에 적합한 비분리 공분산 구조를 도출한다.
• SPDE 모델을 통계적 프레임워크에 통합하여 수치 기상 예측 출력을 후처리한다.
• 모델을 사용하여 예측을 보정하고 계산적으로 효율적인 방식으로 예측 불확실성을 정량화한다.

실험 결과

연구 질문

• RQ1 SPDE 기반 모델은 대규모 시공간 데이터 세트에 대해 충분히 민첩하고 계산적으로 실현 가능한 프레임워크를 제공할 수 있는가?
• RQ2 전통적 모델에 비해 SPDE 해가 비분리 시공간 공분산 구조를 얼마나 잘 포착할 수 있는가?
• RQ3 SPDE 매개변수는 실제 세계 과정에서 관찰되는 운반 및 확산 현상을 어느 정도 물리적으로 해석할 수 있는가?
• RQ4 SPDE 추론에 스펙트럼 방법을 사용할 경우 정확도는 유지하면서 계산 비용을 줄일 수 있는가?
• RQ5 SPDE 기반 후처리는 수치 기상 예측의 보정 및 예측 성능을 향상시킬 수 있는가?

주요 결과

• SPDE 기반 모델은 비분리 시공간 공분산 구조를 성공적으로 포착하여, 더 정확한 복잡한 과정의 표현을 가능하게 한다.
• 스펙트럼 방법을 통해 계산적으로 효율적인 추론이 가능하며, 총 계산 비용은 빠른 푸리에 변환에 의해 지배되며, 차원에 따라 선형적으로 증가한다.
• 모델 매개변수는 물리적으로 해석 가능하며, 자연계에서 관찰되는 운반 및 확산 메커니즘을 명시적으로 표현한다.
• SPDE 모델을 사용한 후처리 예측은 원시 수치 기상 예측에 비해 보다 잘 보정되어 있고, 예측 불확실성을 더 신뢰성 있게 정량화한다.
• SPDE 기반 후처리 방법은 스위스 북부 지역의 강수 예측 성능에서 원시 예측을 능가한다.