项目名称: 空间极值模型的贝叶斯推断及其在气候变化政策中的应用研究

项目编号: No.41301421

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 天文学、地球科学

项目作者: 曾惠芳

作者单位: 湖南科技大学

项目金额: 25万元

中文摘要: 本项目将利用贝叶斯方法和MCMC抽样技术提出一类新的空间相依性极值模型,包括贝叶斯区间空间极值模型,贝叶斯门限空间极值模型,以及贝叶斯时空极值模型,实现对空间极值相依性和空间边际效用的有效刻画。利用Dirichlet 先验核构建具有极大稳定性的有限维高斯极值过程,解决空间极大稳定过程似然函数不存在的问题,可以实现对空间极值模型的贝叶斯推断。利用近似贝叶斯计算方法构建综合DIC信息准则以及RJMCMC算法实现对模型的选择。考虑到模型参数的不确定性,利用状态空间理论和粒子滤波算法实现对空间极值模型的贝叶斯预测,提高模型的预测精度。进一步,利用贝叶斯空间极值模型研究气候变化政策问题。

中文关键词: 空间极值;贝叶斯推断;气候变化;不确定性;

英文摘要: In this proposal, we will build some novel spatial extreme models based on Bayesian method and MCMC algorithm to modeling the dependence of extremes and their marginal distribution in time and space model.These models include Bayesian block maxima spatial extreme models,threshold spatial extreme models and spatio-temperal extreme models.An approximation to the Gaussian extreme value process(GEVP)based on Dirichlet kernal is proposed, which can solve the problem that the related likelihoods are unavailable in parametric spatial extreme model.Moreover,we employ appproximate Bayesian computing method to build composite DIC information criteria and RJMCMC algorithm to accomplish the model selection.In addition,we carry out the model forecasting based on state space theory and particle filter method.Since the method consider the parameters is a random variable,which can improve the forecast accuracy.Finally, we employ the spatial extreme model to analyze the climate change policy.

英文关键词: Spatial extreme values;Bayesian inference;Climate change;Uncertainty;

成为VIP会员查看完整内容
0

相关内容

贝叶斯推断(BAYESIAN INFERENCE)是一种应用于不确定性条件下的决策的统计方法。贝叶斯推断的显著特征是,为了得到一个统计结论能够利用先验信息和样本信息。
【NeurIPS 2021】基于潜在空间能量模型的可控和组分生成
专知会员服务
15+阅读 · 2021年10月23日
专知会员服务
41+阅读 · 2021年5月24日
【经典书】数理统计学,142页pdf
专知会员服务
94+阅读 · 2021年3月25日
专知会员服务
30+阅读 · 2021年2月7日
专知会员服务
48+阅读 · 2020年12月19日
漫谈统计学习之经验贝叶斯(Empirical Bayes)
PaperWeekly
1+阅读 · 2022年3月23日
再谈变分自编码器(VAE):估计样本概率密度
PaperWeekly
3+阅读 · 2021年12月23日
【经典书】数理统计学,142页pdf
专知
2+阅读 · 2021年3月25日
【干货书】贝叶斯推断随机过程,449页pdf
专知
26+阅读 · 2020年8月27日
【机器学习】深入剖析机器学习中的统计思想
产业智能官
14+阅读 · 2019年1月24日
基于数据的分布式鲁棒优化算法及其应用【附PPT与视频资料】
人工智能前沿讲习班
25+阅读 · 2018年12月13日
深度 | 变分自编码器VAE面临的挑战与发展方向
机器之心
16+阅读 · 2018年3月21日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
30+阅读 · 2021年3月29日
Arxiv
12+阅读 · 2018年9月15日
Arxiv
21+阅读 · 2018年8月30日
Arxiv
11+阅读 · 2018年4月25日
小贴士
相关VIP内容
相关资讯
漫谈统计学习之经验贝叶斯(Empirical Bayes)
PaperWeekly
1+阅读 · 2022年3月23日
再谈变分自编码器(VAE):估计样本概率密度
PaperWeekly
3+阅读 · 2021年12月23日
【经典书】数理统计学,142页pdf
专知
2+阅读 · 2021年3月25日
【干货书】贝叶斯推断随机过程,449页pdf
专知
26+阅读 · 2020年8月27日
【机器学习】深入剖析机器学习中的统计思想
产业智能官
14+阅读 · 2019年1月24日
基于数据的分布式鲁棒优化算法及其应用【附PPT与视频资料】
人工智能前沿讲习班
25+阅读 · 2018年12月13日
深度 | 变分自编码器VAE面临的挑战与发展方向
机器之心
16+阅读 · 2018年3月21日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
30+阅读 · 2021年3月29日
Arxiv
12+阅读 · 2018年9月15日
Arxiv
21+阅读 · 2018年8月30日
Arxiv
11+阅读 · 2018年4月25日
微信扫码咨询专知VIP会员