[論文レビュー] Probabilistic temperature forecasting: a summary of our recent research results

Stephen Jewson|ArXiv.org|Sep 20, 2004

Meteorological Phenomena and Simulations参考文献 10被引用数 4

ひとこと要約

本稿では、予測の平均とばらつきを補正するために歴史的予測誤差を用いる季節的パラメータを有する線形回帰モデルを提案し、確率的気温予測の最適手法として位置づける。単純で経験的に検証されたモデルが、複雑なアンサンブルベースの手法を上回ることを示し、非正規分布や高度な補正技術に恩恵がないことが判明した。

ABSTRACT

We summarise the main results from a number of our recent articles on the subject of probabilistic temperature forecasting.

研究の動機と目的

• 商業的・産業的応用における信頼性があり補正済みの確率的気温予測が不足しているという問題に対処すること。
• アンサンブル予測と確率的予測の違いについて、文献における混乱を解消すること。
• 既存の手法を上回る、透明性があり経験的に検証された確率的気温予測手法を開発すること。
• 気象学における今後の確率的予測手法の評価のためのベンチマークモデルを提供すること。

提案手法

• 季節的に変化するパラメータを有する線形回帰モデルを用い、予測の平均値と不確実性を補正する。
• 予測ばらつきの補正に2つの自由度を用いる：1つは平均レベル、もう1つは変動の振幅。
• 定数およびばらつきの補正を、直接的なモデル出力ではなく、歴史的予測誤差統計に基づく。
• アンサンブルばらつきを含める／除外する条件でモデルの性能をテストし、その実際の影響を評価する。
• 季節的パラメータを有する線形回帰モデルを、より単純なモデルおよびより複雑な代替手法と比較する。
• アドホックまたは極めて複雑な技術を避けるために、古典的統計から理解しやすい統計手法のみを用いる。

実験結果

リサーチクエスチョン

• RQ1 単純で季節的に変化する線形回帰モデルは、より複雑な確率的予測手法を上回ることができるか？
• RQ2 アンサンブルばらつきは予測不確実性の信頼できる指標であるか？また、補正に用いることで予測精度が向上するか？
• RQ3 確率的気温予測において、非正規分布を用いることで正規分布を上回る利点が得られるか？
• RQ4 歴史的予測誤差統計とアンサンブル情報の組み合わせは、予測精度にどのように影響するか？
• RQ5 透明性があり経験的に検証されたモデルは、今後の確率的予測研究の信頼できるベンチマークとして機能できるか？

主な発見

• 季節的パラメータを有する線形回帰モデルは、アンサンブルばらつきに基づく他の補正手法を著しく上回る。
• 平均レベルとばらつき変動の振幅の2つの別々の補正パラメータを用いることで、単一パラメータ補正よりも高い性能が得られる。
• 非正規分布を用いることで正規分布を上回る明確な利点は確認されなかった。
• アンサンブルばらつきは予測精度をわずかに向上させるにとどまり、しばしば補正が不十分であるため、誤解を招くことがある。
• 過去の予測誤差統計から導かれる相関関係は、アンサンブルから直接導く相関関係よりも正確であったが、両者の80-20ハイブリッド blend が性能をさらに向上させた。
• 本モデルの単純さと経験的検証の結果から、今後の研究および商業的予測応用における優れたベースラインとなる。