[论文解读] Conditional Modelling of Extreme Wind Gusts by Bivariate Brown-Resnick Processes

Marco Oesting, Martin Schlather+1 more|arXiv (Cornell University)|Dec 16, 2013

Wind and Air Flow Studies被引用 2

一句话总结

本文提出一种二元布朗-雷斯尼克过程，用于建模德国北部110个站点之间观测值与预报值之间极端阵风风速的空间依赖关系，利用伪交叉变差图刻画空间依赖性。该方法可实现后处理预报，提升可靠性，经验证有效。

ABSTRACT

many. Summary. In order to incorporate the dependence between the spatial random fields of observed and forecasted maximal wind gusts, we propose to model them jointly by a bivariate Brown-Resnick process. As there is a one-to-one correspondence between bivariate Brown-Resnick processes and pseudo cross-variograms, station-ary Brown-Resnick processes can be characterized by properties of the underlying pseudo cross-variogram. We particularly focus on the investigation of their asymp-totic behaviour and introduce a flexible parametric model both being interesting in classical geostatistics on their own. The model is applied to real observation and forecast data for 110 stations in Northern Germany. The resulting post-processed forecasts are verified.

研究动机与目标

• 使用联合随机过程建模观测值与预报值之间极端阵风风速的空间依赖性。
• 通过其底层伪交叉变差图的性质，刻画平稳二元布朗-雷斯尼克过程的特征。
• 提出一种适用于经典地统计学场景的灵活参数化伪交叉变差图模型。
• 基于德国北部110个站点的真实观测与预报数据，验证后处理预报的性能。

提出的方法

• 使用二元布朗-雷斯尼克过程建模观测值与预报值之间极端阵风风速的联合空间依赖性。
• 利用二元布朗-雷斯尼克过程与伪交叉变差图之间的一一对应关系，定义依赖结构。
• 分析伪交叉变差图的渐近行为，以确保模型的稳定性和可解释性。
• 提出一种灵活的参数化形式用于伪交叉变差图，以支持现实的空间依赖模式。
• 基于德国北部110个站点的历史数据校准模型。
• 对预报数据实施后处理，以提升可靠性，并与观测数据对比验证结果。

实验结果

研究问题

• RQ1 如何在空间上有效建模观测值与预报值之间极端阵风风速的依赖结构？
• RQ2 二元布朗-雷斯尼克过程中伪交叉变差图的渐近性质是什么？
• RQ3 能否开发一种适用于经典地统计学应用的灵活参数化伪交叉变差图模型？
• RQ4 基于二元模型的后处理预报在与真实观测数据对比验证时表现如何？
• RQ5 在预报与观测之间引入空间依赖性对预报可靠性有何影响？

主要发现

• 二元布朗-雷斯尼克过程成功捕捉了德国北部110个站点之间观测值与预报值之间极端阵风风速的空间依赖性。
• 所提出的伪交叉变差图参数化模型展现出灵活且现实的依赖模式，适用于地统计建模。
• 伪交叉变差图的渐近分析揭示了在模型框架下稳定且可解释的行为。
• 基于二元模型的后处理预报在与观测数据对比验证中表现出更高的可靠性。
• 二元布朗-雷斯尼克过程与伪交叉变差图之间的一一对应关系，使得有效的统计推断与模型拟合成为可能。