[논문 리뷰] Temporal evolution of the extreme excursions of multivariate $k$th order Markov processes with application to oceanographic data

Stan Tendijck, Philip Jonathan외 2명|arXiv (Cornell University)|2023. 02. 28.

Climate variability and models인용 수 6

한 줄 요약

이 논문은 시간적 시계열 데이터에서 극단적 이격을 위한 다변량 $k$번째 순서 마르코프 모델 두 가지를 제안하며, 점점 더 큰 의존성과 독립성을 다변량 및 지연에 걸쳐 다루는 조건부 극단 이론 프레임워크로 확장한다. 이 모델들은 북대서양 북부 해역의 기상해양 데이터에서 과거 일치 방법보다 극단적 반응 변수를 더 잘 추정하며, 위험 분석을 위한 엄밀한 불확실성 정량화를 가능하게 한다.

ABSTRACT

We develop two models for the temporal evolution of extreme events of multivariate $k$th order Markov processes. The foundation of our methodology lies in the conditional extremes model of Heffernan & Tawn (2004), and it naturally extends the work of Winter & Tawn (2016,2017) and Tendijck et al. (2019) to include multivariate random variables. We use cross-validation-type techniques to develop a model order selection procedure, and we test our models on two-dimensional meteorological-oceanographic data with directional covariates for a location in the northern North Sea. We conclude that the newly-developed models perform better than the widely used historical matching methodology for these data.

연구 동기 및 목표

• 다양한 변수와 지연에 걸쳐 극단적 사건의 시간적 변화를 다변량 시계열에서 모델링하는 것, 특히 주요 파고, 바람 속도 및 방향 성분을 포함한 해양학적 적용 분야에서의 목표.
• 기존의 단변량 마르코프 모델을 다변량 설정으로 확장하여 변수와 지연 간의 渐近적 의존성과 독립성을 모두 고려하는 것.
• 다음과 같은 $k$번째 순서 마르코프 과정에 적합한 모델 순서 선택 절차를 개발하는 것: 교차검증 기반 기법을 활용한 모델 순서 선택 절차.
• 실제 기상해양 사례 연구에서 널리 사용되는 과거 일치 방법론과 새로운 이격 모델의 성능을 비교하는 것.
• 기존의 경험적 과거 일치 방법의 한계를 극복하고, 극단적 사건 위험 평가에서 엄밀한 불확실성 정량화를 가능하게 하는 것.

제안 방법

• Heffernan과 Tawn(2004)의 조건부 극단 모델을 기반으로 하여 다변량 $k$번째 순서 마르코프 과정에서 극단적 의존성을 모델링한다.
• 단변량 극단가치 이론에 기반하여 고임계수를 초과하는 모서리 분포를 일반화된 포아송 분포로 모델링한다.
• 다음 두 가지 새로운 모델을 도입한다: 다변량 최대 이격 모델(MMEM)과 극단 벡터 자기회귀 모델(EVAR), 양자 모두 $k$번째 순서 마르코프 의존성에 적합하게 조정된다.
• EVAR 모델에서 추정기 상관관계를 줄이기 위해 재매개변수화를 적용하여 수치적 안정성과 추론 효율성을 향상시킨다.
• 후행 추론을 위해 적응형 MCMC를 사용하며, 모델 순서 선택은 교차검증 기법에 의해 이끌린다.
• 방향성 공변량을 통합하여 바람 속도 및 파고의 마진 분포를 모델링하고, 의존성 모델링 이전에 그 영향을 제거한다.

Figure 1: Illustration of the periods of the pre-peak, peak and post-peak periods for two excursions from a Markov model with order $k=3$ .

실험 결과

연구 질문

• RQ1 다변량 $k$번째 순서 마르코프 과정은 어떻게 확장되어 극단적 이격의 시간적 변화를 모델링할 수 있으며, 이때 변수와 지연 간의 渐近적 의존성과 독립성을 고려할 수 있는가?
• RQ2 다변량 해양학적 시계열에서 극단적 사건 역학을 포착하기 위해 최적의 모델 순서 $k$는 무엇인가?
• RQ3 제안된 MMEM 및 EVAR 모델은 해양 환경에서 구조 설계를 위한 극단적 반응 변수 추정에서 과거 일치 방법과 비교해 어떻게 성능을 발휘하는가?
• RQ4 재매개변수화가 고차원 극단 자기회귀 모델의 매개변수 추정기 상관관계를 감소시킬 수 있는가?
• RQ5 방향성 공변량은 다변량 극단 사건의 의존성 구조에 어느 정도의 영향을 미치는가?

주요 결과

• MMEM(3), MMEM(4), EVAR(4) 모델은 주요 파고 및 바람 속도 시계열의 현실적인 방향성 샘플에서 잘 작동한다.
• 제안된 이격 모델은 명시된 구조물 반응 변수의 꼬리 부분 추정에서 과거 일치 기준보다 적어도 경쟁력이 있으며, 종종 그에 뛰어선다.
• 과거 일치 방법이 잘 작동하는 경우조차도, 새로운 모델은 통계적 추론을 통해 엄밀한 불확실성 정량화의 이점을 제공한다.
• EVAR 모델의 재매개변수화는 추정기 간 상관관계를 감소시켜 추정 안정성을 향상시키며, 보고되지 않은 MCMC 실험을 통해 이를 확인할 수 있었다.
• 방향성 공변량은 마진 분포에 상당한 영향을 미치지만, 마진 조정 이후 의존성 구조에는 최소한의 영향을 미치므로, 의존성 모델링에 대한 강건성을 시사한다.
• 이 모델들은 두 차원 사례 연구를 넘어 더 높은 차원의 기상해양 시계열 및 공간 분야로 일반화 가능하다.

Figure 2: Intervals of oceanographic time-series: (top) key variables: significant wave height $H_{S,i}$ and wind speed $W_{s,i}$ on original margins; (middle) on Laplace margins; (bottom) covariates: wave direction $\theta_{i}^{H}$ and wind direction $\theta_{i}^{W}$ . The four columns correspond t