On Computationally-Scalable Spatio-Temporal Regression Clustering of Precipitation Threshold Excesses
降水阈值超额的可扩展时空回归聚类AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究降水极值与时空聚类，未提供宏观经济或金融尾部风险等所列领域的充分依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
降水阈值超额的可扩展时空回归聚类
- 研究问题
- 在协变量系统性缺失时，如何描述降水阈值超额的非平稳和非齐性，并建立可计算的时空回归聚类方法？
- 方法与思路
- 作者结合参数由回归表达的局部平稳广义帕累托模型与潜在时空切换过程，以参数有界变差的有限元方法处理切换。
- 材料陈述的贡献
- 摘要提出 FEM-BV-GPD 框架，称其减少标准混合模型和隐马尔可夫模型中的强先验限制，并在瑞士历史降水数据上比较。
- 阅读关注点
- 应核对缺失协变量与非平稳性的关系、阈值选择、局部平稳和有界变差约束，以及计算规模与基准方法的比较设计。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未给出扩展性指标、误差结果或适用条件，不能确认性能优势。
原文摘要
Focusing on regression based analysis of extremes in a presence of systematically missing covariates, this work presents a data-driven spatio-temporal regression based clustering of threshold excesses. It is shown that in a presence of systematically missing covariates the behavior of threshold excesses becomes nonstationary and nonhomogenous. The presented approach describes this complex behavior by a set of local stationary Generalized Pareto Distribution (GPD) models, where the parameters are expressed as regression models, and a latent spatio-temporal switching process. The spatio-temporal switching process is resolved by the nonparametric Finite Element Methodology for time series analysis with Bounded Variation of the model parameters (FEM-BV). The presented FEM-BV-GPD approach goes beyond strong a priori assumptions made in standard latent class models like Mixture Models and Hidden Markov Models. In addition, it provides a pragmatic description of the underlying dependency structure. The performance of the framework is demonstrated on historical precipitation data for Switzerland and compared with the results obtained by the standard methods on the same data.