[論文レビュー] Improving Uncertain Climate Forecasts Using a New Minimum Mean Square Error Estimator for the Mean of the Normal Distribution

Stephen Jewson, Ed Hawkins|ArXiv.org|Dec 22, 2009

Meteorological Phenomena and Simulations参考文献 2被引用数 11

ひとこと要約

本稿は、信号対ノイズ比（r² = d²/V）に基づいてモデル予測を最適に減衰させる2つの新しい最小平均二乗誤差（MSE）推定器を導入し、不確実性の高い気候予測を改善することを目的としている。単純な減衰とは異なり、これらの推定器は、dおよびVの可能性のある値についてベイズ的後方平均を用いる。その結果、特に中程度の不確実性範囲（0.73 < r < 2.03）において、従来の手法を著しく上回る性能を示した。この範囲では、予測を無視するか、モデルをそのままで使うと性能が著しく低下する。

ABSTRACT

When climate forecasts are highly uncertain, the optimal mean squared error strategy is to ignore them. When climate forecasts are highly certain, the optimal mean squared error strategy is to use them as is. In between these two extremes there are climate forecasts with an intermediate level of uncertainty for which the optimal mean squared error strategy is to make a compromise forecast. We present two new methods for making such compromise forecasts, and show, using simulations, that they improve on previously published methods.

研究の動機と目的

• 不確実性が高くても極端ではない状況において、既存の気候予測手法の性能が不十分である問題に対処すること。
• ジェイソンとヘイワーズ（2009b）が提唱した単純な減衰法よりも、中程度の信号対ノイズ比範囲で優れた性能を示す、改良された最小平均二乗誤差（MSE）推定器の開発。
• 信号および不確実性の値の可能性をベイズ的に平均化することで得られる予測性能が、プラグイン推定器よりも優れているかどうかの評価。
• 信号対ノイズ比 r = d²/V で定義される、さまざまな予測不確実性レベルにおける最適な予測戦略の特定。

提案手法

• 信号（d）と分散（V）の後方分布を統合することで、減衰係数kの新しいベイズ的便宜推定器を提案： ˆk = ∫∫ (d²/(d²+V)) p(d,V|x) dd dV。
• 中間のk推定を回避するため、予測平均のための第二の直接推定器を導入： ˆμ = ∫∫ (d³/(d²+V)) p(d,V|x) dd dV。
• dおよびVに非情報的（ジェフリーの）事前分布を用い、±4標準誤差の範囲を101点に離散化して数値積分を実行。
• 完全利用、無視、単純な減衰（ジェイソン＆ヘイワーズ、2009b）、および2つの新しい推定器の5つの予測戦略を、シミュレートされたMSE性能を用いて比較。
• 異なる不確実性レベルでの比較を可能にするために、MSEを分散Vで正規化し、正規化MSE（NMSE）を計算。
• モンテカルロシミュレーションを用いて、信号対ノイズ比rのさまざまな値における性能を推定。

実験結果

リサーチクエスチョン

• RQ1 信号および不確実性の値の可能性をベイズ的に平均化することで、単純なプラグイン減衰法よりも優れた最小MSE予測が得られるか？
• RQ2 新しい推定器の性能は、さまざまな予測不確実性レベル（r値）において、元の減衰法と比べてどのように異なるか？
• RQ3 新しい推定器が、予測を無視する場合やモデルを完全に使用する場合よりも一貫して優れるrの範囲は存在するか？
• RQ4 rパrameter空間の異なる領域において、2つの新しい推定器のうちどちらが最も優れた性能を示すか？
• RQ5 信号の大きさと不確実性の両方が未知である現実の状況において、最適な予測戦略を特定できるか？

主な発見

• 最初の新しい推定器は、0.73 < r < 1.19 の範囲で、元の手法が最適ではあるが理想的ではない領域で、単純な減衰法を上回る性能を示した。
• 第二の新しい推定器は、無視または完全利用よりも優れる全範囲で、特に1.18 < r < 2.03 の範囲で顕著に優れた性能を示した。
• r < 0.74 の場合、予測を無視することが最適であり、r > 2.02 の場合、モデル出力を完全に使用することが最適である。
• ジェイソンとヘイワーズ（2009b）が提唱した単純な減衰推定器は、常に最良の性能を発揮しないが、他のいずれの代替手法によっても支配されない。
• 2つの新しい推定器はそれぞれ異なるrの部分空間で支配的であり、すべての不確実性レベルにわたって唯一の最良手法が存在しないことを示した。
• 新しい推定器は、現在モデル出力が低く抑えられたり無視されたりしている、重要な中程度の不確実性範囲において、MSEを顕著に低減した。