Скрытые режимы океана: как уловить нецелые задержки ✎

Оригинал: "Maximum likelihood inference for a class of discrete-time Markov-switching time series models with multiple delays"
arXiv:2311.11445 · 2023-11-19 · CC BY-NC-SA 4.0 · собственный разбор · 3 мин
Новый класс моделей временных рядов умеет распознавать смену динамики и оценивать задержки, которые не обязаны быть целыми числами.

Океан не всегда следует одному и тому же расписанию. Иногда тёплое течение Эль-Ниньо усиливается, иногда ослабевает, и каждый режим диктует свою скорость реакции на прошлое. Эти скрытые режимы похожи на смену течений, которые помнят пройденный путь с разной глубиной. Учёные хотят уловить эти смены, но данные приходят с берега неравномерно: измерения делают раз в месяц, а физическая задержка может составлять, скажем, два с половиной месяца. Тогда привычные модели, которые работают только с целыми шагами, начинают врать.

Новая модель cDN-ARMS(L) разрешает задержкам быть дробными. Если нужно узнать значение температуры два с половиной месяца назад, а есть записи только за два и три месяца, модель берёт промежуточное значение как точку на прямой между соседними отсчётами. Это как если бы вы хотели вспомнить, что было в середине недели, а в дневнике записаны только понедельник и пятница: вы мысленно достраиваете недостающее. Скрытый режим при этом переключается по вероятностному правилу, как течение, которое меняет направление не по расписанию, а под действием случайных порывов ветра.

Проблема была в том, что раньше модели с переключениями допускали только целые задержки. Это как пытаться описать прилив, измеряя уровень воды только в полдень: если прилив приходит в 14:30, вы его просто не увидите. Теперь же модель может сказать: «задержка 2,386 месяца» — и это не абстрактная цифра, а время, за которое волна тёплой воды пересекает часть Тихого океана.

Чтобы оценить параметры такой модели, авторы применили пространственно-чередующийся EM-алгоритм. На первом шаге алгоритм угадывает, в каком режиме находился океан в каждый момент времени, на втором — подстраивает параметры так, чтобы данные лучше соответствовали этим догадкам. Часть параметров обновляется точными формулами, а дробные задержки ищутся случайным поиском: алгоритм пробует разные значения и оставляет те, что повышают правдоподобие, то есть согласие модели с данными. Это напоминает настройку радиоприёмника: вы крутите ручку, слушая, когда сигнал станет чище.

На синтетических данных с двумя и тремя режимами метод верно определил их число. Когда ряд состоял из тысячи точек, целые задержки распознавались в 95% случаев. Для дробных задержек 3,5 и 9,5 месяца медианная ошибка составила около 0,01, но не уменьшалась с ростом длины ряда. Это говорит о систематическом смещении из-за интерполяции: достраивание промежуточных значений вносит небольшую, но постоянную неточность, как если бы вы всегда чуть-чуть не дотягивали до нужной отметки на линейке.

На реальных данных Эль-Ниньо за 860 месяцев (с 1950 по 2021 год) модель с двумя нелинейными режимами дала задержки 2,386 и 7,301 месяца. Модель с тремя режимами нашла задержки 2,000, 2,153 и 13,844 месяца. Нелинейные модели лучше линейных воспроизводили автокорреляцию до 15 месяцев и центральные квантили распределения, то есть точнее описывали, как температура помнит саму себя.

Раньше модели с марковским переключением допускали только целые задержки, что не соответствовало реальным наблюдениям с произвольным шагом. Теперь появился класс моделей с дробными задержками и алгоритм, который оценивает их вместе с остальными параметрами по данным. Это открывает путь к более точному описанию систем с запаздыванием, наблюдаемых на нерегулярной сетке. Для геофизики это означает, что модели Эль-Ниньо можно настраивать на реальные данные без предположения о кратности задержек шагу наблюдений. И тогда океан перестаёт быть чёрным ящиком, а становится собеседником, чьи паузы мы наконец научились измерять.

Эль-Ниньо буквально означает «мальчик» по-испански, а явление названо так рыбаками Перу, которые замечали тёплую воду около Рождества. Задержка в модели Эль-Ниньо отражает время, за которое волна тёплой воды пересекает Тихий океан.

Понятия
дифференциальное уравнение с запаздыванием марковская цепь максимальное правдоподобие стохастическое моделирование вероятностная модель алгоритм Метрополиса-Хастингса критерий Андерсона-Дарлинга стохастическая динамическая система эвиденциальные нейронные сети динамические системы мониторинг в реальном времени оценка максимального правдоподобия авторегрессионная модель эргодическая теорема марковская цепь Монте-Карло задержка времени моделирование эмерджентной сложности редкие события обучающие данные мультифрактальный анализ флуктуаций с удалением тренда