• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Australian & New Zealand journal of statistics >Climate regime shift detection with a trans-dimensional, sequential Monte Carlo, variational Bayes method
【24h】

Climate regime shift detection with a trans-dimensional, sequential Monte Carlo, variational Bayes method

机译：跨维，顺序蒙特卡洛，变分贝叶斯方法的气候变化检测

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We present an application study which exemplifies a cutting edge statistical approach for detecting climate regime shifts. The algorithm uses Bayesian computational techniques that make time-efficient analysis of large volumes of climate data possible. Output includes probabilistic estimates of the number and duration of regimes, the number and probability distribution of hidden states, and the probability of a regime shift in any year of the time series. Analysis of the Pacific Decadal Oscillation (PDO) index is provided as an example. Two states are detected: one is associated with positive values of the PDO and presents lower interannual variability, while the other corresponds to negative values of the PDO and greater variability. We compare this approach with existing alternatives from the literature and highlight the potential for ours to unlock features hidden in climate data.
机译：我们提出了一项应用研究，该研究例证了一种用于检测气候变化的前沿统计方法。该算法使用贝叶斯计算技术，使对大量气候数据的时间高效分析成为可能。输出包括对状态数量和持续时间的概率估计，隐藏状态的数量和概率分布，以及在时间序列的任何一年中发生状态转移的概率。以太平洋十进制涛动指数（PDO）指数分析为例。检测到两种状态：一种与PDO的正值关联，并且呈现较低的年际变化，而另一种状态与PDO的负值对应，并且具有较大的变异性。我们将这种方法与文献中现有的方法进行了比较，并强调了我们的方法可以解锁气候数据中隐藏的特征。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号