[논문 리뷰] Do probabilistic medium-range temperature forecasts need to allow for non-normality?

Stephen Jewson|ArXiv.org|2003. 10. 13.

Meteorological Phenomena and Simulations참고 문헌 3인용 수 7

한 줄 요약

이 연구는 중기 예보의 확률적 기온 예측이 비정규 분포를 필요로 하는지 평가하기 위해 가우시안 분산 회귀 모델과 커널 밀도 기반 분산 회귀 모델을 비교한다. 커널 모델은 비대칭성과 첨도를 더 잘 포착할 수 있는 유연성을 지니고 있지만, 가능성 점수로 측정된 예측 기술성 향상은 발견되지 않았으며, 이는 예측 불확실성이 효과적으로 정규분포이거나, 비정규성은 앙상블에 의해 포착되지 않는다는 것을 시사한다.

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.

연구 동기 및 목표

• 확률적 중기 기온 예보가 정확도 향상을 위해 비정규 분포를 필요로 하는지 조사하기.
• 일반적으로 사용되는 校정 방법인 가우시안 분산 회귀 모델에서 정규성 가정의 한계를 해결하기.
• 예측 불확실성의 임의의 분포 형태를 허용할 수 있는 더 유연한 커널 분산 회귀 모델을 개발하고 테스트하기.
• 커널 모델의 증가된 유연성이 가능성 기반 점수를 사용해 더 나은 예측 성능을 이끌어내는지 평가하기.
• 예측 불확실성의 비정규성은 앙상블 시스템에 의해 예측 가능한지, 또는 校정에 무의미한지 결정하기.

제안 방법

• 조건부 기온 분포를 모델링하기 위해 커널 밀도 추정을 사용하는 커널 분산 회귀 모델을 제안하며, 정규분포 가정을 대체한다.
• 가우시안 분산 회귀 모델과 유사하게 앙상블 평균과 표준편차의 선형 변환을 사용해 예측을 校정한다.
• 부드러움과 데이터에 대한 충실도 사이의 균형을 맞추기 위해 커널 밀도 추정에서 대역폭 선택을 적용하며, 모델 파라미터에 대한 신뢰구간을 추정한다.
• 모델 성능 비교를 위해 샘플 내 평가를 수행하고, 로그 가능성 점수(MLL)를 사용하여 네 가지 모델(가우시안 회귀, 가우시안 분산 회귀, 커널 회귀, 커널 분산 회귀) 간 성능을 평가한다.
• 모든 데이터에서 계절 평균과 표준편차를 제거하여 계절성 영향을 줄이고 모델의 정staionarity를 향상시킨다.
• 런던 히드로 공항의 1년 치 ECMWF 앙상블 예보(51명성)를 사용하여 관측된 일일 평균 기온과 비교한다.

실험 결과

연구 질문

• RQ1 커널 밀도 추정을 통해 비정규 예측 불확실성을 允許함으로써, 가우시안 가정 대비 확률적 기온 예측이 향상되는가?
• RQ2 예측 불확실성의 비정규성은 앙상블 시스템에 의해 예측 가능한가, 아니면 앙상블 분산과 상관관계가 없는가?
• RQ3 분산 회귀 모델(Gaussian 및 커널)이 가능성 기반 예측 점수 측면에서 단순 회귀 모델보다 뛰어나게 성능을 발휘하는가?
• RQ4 커널 모델의 증가된 유연성이 기온 예측 오차의 비대칭성 또는 이중모드성을 감지하는 데 유의미하게 유리한가?
• RQ5 더 긴, 정staionary한 예측 데이터셋은 가우시안 모델과 커널 모델 간 성능의 모호함을 해결할 수 있는가?

주요 결과

• 장기 예측 리드 시간에서도 커널 분산 회귀 모델이 가우시안 분산 회귀 모델보다 로그 가능성 점수 측면에서 유의미하게 뛰어나지 않았다.
• 분산 회귀 모델을 단순 회귀 모델보다 사용했을 때 가능성 향상은 미미했으며, 가우시안 분포를 커널 밀도로 대체했을 때도 유의미한 성능 향상은 관찰되지 않았다.
• 커널 모델의 대역폭는 시간에 따라 거의 변화가 없었고, 일반적으로 校정된 표준편차에 비례하는 경향을 보여, 적응적 비정규성의 필요성이 제한적임을 시사했다.
• 커널 모델의 파라미터 추정치는 안정적이었으며 신뢰구간 내에 있었고, 이는 강건성을 의미하지만, 우월한 예측 능력의 증거는 없었다.
• 결과적으로 예측 불확실성은 약간의 정규분포이거나, 비정규성은 앙상블 분산에 의해 포착되지 않아, 더 유연한 분포가 불필요하다는 것을 시사한다.
• 저자들은 더 단순한 가우시안 모델이 해석 가능성, 계산 효율성, 그리고 증가된 유연성의 명백한 이점 없이도 바람직하다고 결론 내린다.