[論文レビュー] Do probabilistic medium-range temperature forecasts need to allow for non-normality?

Stephen Jewson|ArXiv.org|Oct 13, 2003

Meteorological Phenomena and Simulations参考文献 3被引用数 7

ひとこと要約

本研究では、確率的中期予報における温度予報の不確実性が正規分布でない場合に、その非正規性を考慮することで予報精度が向上するかを検証する。ガウス分布に基づくスプレッド回帰モデルと、カーネル密度推定に基づくスプレッド回帰モデルを比較した。カーネルモデルは歪度や尖度を柔軟に捉えるが、尤度スコアで測定した予報精度に顕著な向上は認められず、予報不確実性は実質的に正規分布的であるか、あるいはアンサンブルが非正規性を捉えていない可能性を示唆している。

ABSTRACT

The gaussian spread regression model for the calibration of site specific ensemble temperature forecasts depends on the apparently restrictive assumption that the uncertainty around temperature forecasts is normally distributed. We generalise the model using the kernel density to allow for much more flexible distribution shapes. However, we do not find any meaningful improvement in the resulting probabilistic forecast when evaluated using likelihood based scores. We conclude that the distribution of uncertainty is either very close to normal, or if it is not close to normal, then the non-normality is not being predicted by the ensemble forecast that we test.

研究の動機と目的

• 確率的中期温度予報が、予報精度を向上させるために非正規分布を必要とするかを調査すること。
• 広く用いられている補正手法であるガウススプレッド回帰モデルにおける正規性仮定の限界を是正すること。
• 予報不確実性の分布形状を任意に取り扱える柔軟なカーネルスプレッド回帰モデルの開発と検証すること。
• カーネルモデルの高い柔軟性が尤度ベースのスコアでより優れた予報性能をもたらすかを評価すること。
• 予報不確実性の非正規性がアンサンブルシステムによって予測可能か、あるいは補正に無情報的であるかを特定すること。

提案手法

• 条件付き温度分布をモデル化するためにカーネル密度推定を用いるカーネルスプレッド回帰モデルを提案し、正規分布仮定を置き換える。
• ガウススプレッド回帰モデルと同様に、アンサンブル平均および標準偏差の線形変換を用いて予報を補正する。
• 滑らかさとデータへの適合性のバランスをとるために、カーネル密度推定におけるバンド幅選択を実施し、モデルパラメータの信頼区間を推定する。
• 4つのモデル（ガウス回帰、ガウススプレッド回帰、カーネル回帰、カーネルスプレッド回帰）の性能を比較するため、インサンプル評価として対数尤度スコア（MLL）を用いる。
• 季節的影響を軽減し、モデルの定常性を向上させるために、すべてのデータから季節平均および季節標準偏差を除去する。
• ロンドンヒースロー空港のECMWFアンサンブル予報（51メンバー）を1年分用い、観測された日平均気温と比較する。

実験結果

リサーチクエスチョン

• RQ1 カーネル密度推定による非正規予報不確実性の許容が、ガウス仮定と比較して確率的温度予報を改善するか？
• RQ2 予報不確実性の非正規性はアンサンブルシステムによって予測可能か、それともアンサンブルスプレッドと相関がないか？
• RQ3 スプレッド回帰モデル（ガウスおよびカーネル）は、単純回帰モデルよりも尤度ベースの予報スコアで優れているか？
• RQ4 カーネルモデルの高い柔軟性が、温度予報誤差の歪度や二峰性を検出可能に改善するか？
• RQ5 より長期間で定常な予報データセットは、ガウスモデルとカーネルモデルの性能の曖昧さを解消できるか？

主な発見

• カーネルスプレッド回帰モデルは、長期予報リードでも対数尤度スコアにおいてガウススプレッド回帰モデルを顕著に上回ることはなかった。
• スプレッド回帰を単純回帰に置き換えた尤度の向上はわずかであり、ガウス分布をカーネル密度に置き換えても顕著な利点は認められなかった。
• カーネルモデルのバンド幅は時間的にほとんど変動がなく、一般的に補正済み標準偏差に比例していたため、適応的非正規性の必要性は限定的であると考えられた。
• カーネルモデルのパラメータ推定値は安定しており、信頼区間内にあったため、モデルの頑健性は確認されたが、優れた予測力の証拠は得られなかった。
• 結果から、予報不確実性は概ね正規分布的であるか、あるいはアンサンブルスプレッドが非正規性を捉えていない可能性があり、柔軟な分布の導入は不要であると示唆された。
• 著者らは、解釈性と計算効率の観点から、より単純なガウスモデルが優先されるべきであると結論づけた。