[论文解读] Multiple Changepoint Detection with Partial Information on Changepoint Times

Yingbo Li, Robert Lund+1 more|arXiv (Cornell University)|Nov 23, 2015

Statistical Methods and Inference参考文献 46被引用 3

一句话总结

本文提出了一种最小描述长度（MDL）方法，用于在存在部分先验信息（如可能的突变点时间元数据或双变量序列中的同步变化）时，检测时间序列中的多个突变点。通过将这些信息整合到贝叶斯MDL框架中，该方法实现了理论一致性与最优收敛速率，并显著提升了检测功效与准确性，尤其在气候数据均一化应用中表现突出。

ABSTRACT

This paper proposes a new minimum description length procedure to detect multiple changepoints in time series data when some times are a priori thought more likely to be changepoints. This scenario arises with temperature time series homogenization pursuits, our focus here. Our Bayesian procedure constructs a natural prior distribution for the situation, and is shown to estimate the changepoint locations consistently, with an optimal convergence rate. Our methods substantially improve changepoint detection power when prior information is available. The methods are also tailored to bivariate data, allowing changes to occur in one or both component series.

研究动机与目标

• 开发一种能够整合关于突变点位置的局部先验信息（如来自台站历史记录的元数据）的突变点检测方法。
• 在具有相关性的时间序列中，特别是温度记录的气候均一化中，提升检测功效与估计准确性。
• 将MDL框架扩展至处理双变量时间序列中的同步变化，例如Tmax与Tmin，其中突变更可能同时发生。
• 在使用先验信息时，建立突变点估计的理论一致性与最优收敛速率（基于内插渐近性）。
• 提供一种实用且计算可行的方法，在领域知识可用时，优于标准MDL与频率学派方法。

提出的方法

• 构建一种贝叶斯MDL惩罚项，通过在突变点配置上使用自然先验分布，整合关于可能突变点时间的先验知识。
• 应用信息论中的自动惩罚规则，为有界整数（突变点位置）、无界整数（突变点数量）和实值参数（均值偏移）分配不同的码长。
• 采用MDL模型的双变量扩展，以支持两个分量序列（如最高温和最低温）中的同步变化。
• 采用最小二乘估计框架以确保突变点与均值偏移估计量的渐近一致性。
• 实施一种模型选择程序，通过最小化总描述长度来平衡模型拟合度与复杂度，同时整合先验信念。
• 通过模拟和对塔斯卡卢萨气温数据的真实世界分析验证该方法，使用目标减去参考序列以增强突变点的可见性。

实验结果

研究问题

• RQ1 能否在不牺牲理论一致性的前提下，将最小描述长度程序适配以整合关于突变点位置的部分先验信息？
• RQ2 在相关时间序列中，引入元数据或同步变化假设如何提升突变点检测的功效？
• RQ3 在使用先验信息时，所提出的MDL估计量在内插渐近性下的理论收敛速率是多少？
• RQ4 与标准MDL或频率学派方法相比，该方法在检测气候数据中的人工均值偏移时表现如何？
• RQ5 该方法在多大程度上能通过异常突变点模式检测到异常值或数据错误（如气温记录中的拼写错误）？

主要发现

• 所提出的贝叶斯MDL方法在内插渐近性下实现了突变点位置的一致估计，并达到最优收敛速率。
• 整合元数据或同步变化假设显著提升了检测功效与估计准确性，尤其在相关时间序列（如月度气温记录）中表现突出。
• 该方法成功检测出塔斯卡卢萨目标减去参考气温序列中的12个突变点，包括已知元数据事件（如1956年、1987年）和合理异常值（如1938年、1946年）。
• 该方法识别出潜在的数据错误，如1937年和1938年的异常值，后经确认为数据记录中的拼写错误。
• 使用三个邻近站点的复合参考序列有效缓解了参考数据中的虚假突变，提升了突变点检测的可靠性。
• 当先验信息可用时，该方法在检测突变点方面优于标准MDL与频率学派方法，尤其在存在同步变化的双变量场景中表现更优。