Für die statistische Zeitreihenanalyse der georeferenzierten Daten im Arbeitspaket „Statistische Zeitreihenanalyse“ müssen zwei wichtige Anforderungen durch das Modell erfüllt sein:
- Möglichkeit der zuverlässigen Vorhersage von Ereignissen
- Möglichkeit der Aufdeckung möglicher prozessualer Zusammenhänge.
Um diese Anforderungen zu erfüllen, werden semiparametrische, statistische Regressionsmodelle mit regularisierten Lern- bzw. Schätzmethoden verwendet. Diese ermöglichen eine automatische Modellselektion und dienen als Grundlage für die Entwicklung von spezifischen Modellen für historische Geodaten. Zur Beurteilung der Zuverlässigkeit und Genauigkeit der h-Schritt Vorhersagen sollen nicht nur Punktvorhersagen erstellt werden, sondern die gesamte Verteilung der zu beschreibenden Größe soll vorhergesagt werden. Damit können die Genauigkeit und Zuverlässigkeit der Prognose sowie mögliche Asymmetrien in der Verteilung beschrieben werden.
Für die Verteilungsvorhersagen sollen generalisierte additive Modelle für Lage, Streuung und Schiefe (GAMLSS) verwendet werden. Die wesentliche Stärke des Modells liegt in der flexiblen Modellierung der additiven Komponenten, die durch penalisierte B-Splines dargestellt werden sollen. Die Schätzungen dieser Funktionen erlauben schließlich die Interpretation von
(a) zeitlichen Zusammenhängen der beobachteten Phänomene,
(b) räumlichen Abhängigkeiten und
(c) Prozesszusammenhängen.
