科研之友
微信
新浪微博
Facebook
分享链接
摘要
Basic hidden Markov models are very useful in stochastic environmental research but their ability to accommodate sufficient dependence between observations is somewhat limited. However, they can be modified in several ways to form a rich class of flexible models that are useful in many environmental applications. We consider a class of hidden Markov models that incorporate additional dependence among observations to model average regional rainfall time series. The focus of the study is on models that introduce additional dependence between the state level and the observation level of the process and also on models that incorporate dependence at observation level. Construction of the likelihood function of the models is described along with the usual second-order properties of the process. The maximum likelihood method is used to estimate the parameters of the models. Application of the proposed class of models is illustrated in an analysis of daily regional average rainfall time series from southeast and southwest England for the winter season during 1931 to 2010. Models incorporating additional dependence between the state level and the observation level of the process captured the distributional properties of the daily rainfall well, while the models that incorporate dependence at the observation level showed their ability to reproduce the autocorrelation structure. Changes in some of the regional rainfall properties during the time period are also studied.Editor D. Koutsoyiannis ResumeLes modeles de Markov caches sont tres utiles dans la recherche environnementale stochastique, mais leur capacite a transcrire suffisamment de dependance entre les observations est quelque peu limitee. Cependant, ils peuvent etre modifies de diverses manieres pour former une importante classe de modeles souples qui sont utiles dans beaucoup d'applications environnementales. Nous considerons une classe de modeles de Markov caches qui incorporent une dependance supplementaire entre les observations pour modeliser des series temporelles de moyennes regionales de pluie. Cette etude se concentre sur des modeles qui incorporent de la dependance supplementaire entre le niveau d'etat et le niveau d'observation du processus, et aussi sur des modeles qui incorporent de la dependance au niveau des observations. Nous decrivons la construction de la fonction de vraisemblance ainsi que les proprietes de second ordre habituelles du processus. La methode du maximum de vraisemblance est utilisee pour estimer les parametres des modeles. L'application proposee de cette classe de modeles est illustree par une analyse de series temporelles de moyennes de pluie journaliere du Sud-Est et du Sud-Ouest de l'Angleterre, pour la saison hivernale, de 1931 a 2010. Les modeles qui incorporent une dependance supplementaire entre le niveau de l'etat et le niveau de l'observation du processus reproduisent bien les proprietes de la distribution des pluies journalieres, tandis que les modeles qui incorporent de la dependance au niveau des observations montrent leur capacite a reproduire la structure d'auto-correlation. Des changements observes pour certaines des proprietes regionales de la pluie pendant cette periode sont egalement etudies.
- 出版日期2014-9
