[论文解读] Five year prediction of Sea Surface Temperature in the Tropical Atlantic: a comparison of simple statistical methods

Thomas Laepple, Stephen Jewson+3 more|ArXiv.org|Jan 15, 2007

Tropical and Extratropical Cyclones Research参考文献 3被引用 10

一句话总结

本研究利用简单的统计方法和结构时间序列模型，评估了热带大西洋五年的海表温（SST）预测。以8年窗口的平线（移动平均）方法在均方根误差方面优于线性和阻尼线性趋势模型，表明尽管存在更高偏差，更简单、方差更低的方法在长期SST预测中更为有效。

ABSTRACT

We are developing schemes that predict future hurricane numbers by first predicting future sea surface temperatures (SSTs), and then apply the observed statistical relationship between SST and hurricane numbers. As part of this overall goal, in this study we compare the historical performance of three simple statistical methods for making five-year SST forecasts. We also present SST forecasts for 2006-2010 using these methods and compare them to forecasts made from two structural time series models.

研究动机与目标

• 评估简单统计方法在热带大西洋五年的海表温（SST）预测中的表现。
• 比较平线、线性趋势和阻尼线性趋势模型在五年的SST预测中的相对技巧。
• 评估结构时间序列模型（局部水平和局部线性趋势）相对于简单统计方法的预测表现。
• 基于历史数据和模型比较，为2006–2010年提供更新的SST预测。
• 调查历史预测表现是否能可靠预测未来技能，特别是在持续变暖的气候背景下。

提出的方法

• 在HadISST和NOAA OI SST数据集上进行回溯测试，使用7月至9月主发展区（MDR）SST指数。
• 评估三种简单统计方法：(1) 平线（滞后移动平均），(2) 线性趋势（最小二乘拟合趋势外推），(3) 阻尼线性趋势（Jewson & Penzer, 2004年提出的平线与线性趋势最优组合）。
• 应用两种结构时间序列模型：局部水平模型（随机游走 + 噪声）和局部线性趋势模型（随机游走 + 随机游走趋势 + 噪声），通过最大似然法拟合。
• 使用1911–2005年的均方根误差（RMSE）评估模型表现，采用不同长度的前期数据窗口（5–40年）。
• 使用自助抽样法评估模型表现排名和最优窗口长度的置信度。
• 2006–2010年的预测使用回溯测试中表现最佳的窗口长度：平线方法8年，线性趋势方法24年，阻尼线性趋势方法17年，以及结构模型。

实验结果

研究问题

• RQ1 在热带大西洋中，哪种简单统计方法——平线、线性趋势或阻尼线性趋势——能产生最准确的五年SST预测？
• RQ2 与一年期预测相比，五年的预测中，每种方法的最优窗口长度如何变化？
• RQ3 结构时间序列模型（局部水平和局部线性趋势）在五年SST预测中与简单统计方法相比表现如何？
• RQ4 历史回溯测试表现在多大程度上能可靠预测未来预测技能，特别是在当前快速变暖趋势下？
• RQ5 为何阻尼线性趋势模型有时会预测比线性趋势模型更高的SST和更陡峭的趋势，尽管其具有阻尼机制？

主要发现

• 以8年窗口长度的平线方法在五年SST预测中达到最低的均方根误差（RMSE），优于线性和阻尼线性趋势模型。
• 阻尼线性趋势模型表现第二佳，最优窗口长度约为17年；而线性趋势模型表现最差，尤其在窗口长度较短时，因趋势估计方差过高。
• 在40%的自助抽样中，平线模型优于线性趋势模型，证实其在存在更高偏差的情况下仍具稳健性。
• 结构时间序列模型（局部水平和局部线性趋势）的预测结果介于平线和线性趋势预测之间，表明其作为中间边界的特性。
• 阻尼线性趋势模型出人意料地预测出更高的SST和更陡峭的趋势，原因在于其最优窗口长度更短，引发对模型构建的担忧。
• 五年预测的不确定性仅比一年预测高约10%，表明在缺乏额外气候预测因子（如ENSO）的情况下，简单方法在长期预测中仍具竞争力。