[论文解读] Improving the expected accuracy of forecasts of future climate using a simple bias-variance tradeoff

Stephen Jewson, Ed Hawkins|ArXiv.org|Nov 10, 2009

Climate variability and models参考文献 2被引用 3

一句话总结

本文提出了一种基于偏差-方差权衡的阻尼方法，通过最优结合数值模型预测与零变化的简单统计预测，以提高未来气候预测的期望准确性。该方法应用于英国气候预测（2010–2100年），显著降低了降水预测的不确定性——将预测变化量减少至最多一半——同时对温度影响甚微，并且预测误差显著低于原始集合平均值。

ABSTRACT

We describe a simple method that utilises the standard idea of bias-variance trade-off to improve the expected accuracy of numerical model forecasts of future climate. The method can be thought of as an optimal multi-model combination between the forecast from a numerical model multi-model ensemble, on one hand, and a simple statistical forecast, on the other. We apply the method to predictions for UK temperature and precipitation for the period 2010 to 2100. The temperature predictions hardly change, while the precipitation predictions show large changes.

研究动机与目标

• 为解决数值气候模型预测中不确定性较高的问题，特别是当多模型集合显示较大差异时。
• 通过数学平衡预测集合中的偏差与方差，提高未来气候预测的期望准确性。
• 开发一种实用方法，将数值模型输出与简单的统计基线（零变化）相结合，以生成更可靠的预测。
• 利用基于CMIP3的英国预测，评估阻尼是否能降低预测误差，尤其是在模型不确定性较高时。

提出的方法

• 该方法应用一个阻尼因子，该因子基于信噪比（预测值除以不确定性）计算，以减小数值模型预测的幅度，使其趋近于“无变化”基线。
• 阻尼因子通过预测变化量与其估计不确定性的比值计算，不确定性越高，越倾向于向零阻尼。
• 该方法被表述为一种偏差-方差权衡，即通过阻尼降低方差，尽管会引入一定偏差，但整体预测误差更低。
• 该方法应用于基于CMIP3的英国温度和降水预测，使用历史站点数据校准基线，利用模型集合估计不确定性。
• 阻尼预测通过模型集合平均值与零变化预测的加权平均计算得出，权重由各成分的相对不确定性决定。
• 通过估计预测误差对方法进行评估，将阻尼预测与多个预报时效和排放情景下的原始集合平均值进行比较。

实验结果

研究问题

• RQ1 简单的偏差-方差权衡框架是否能提高数值模型长期气候预测的期望准确性？
• RQ2 与使用原始集合平均值相比，将模型预测阻尼至零变化基线如何影响预测误差？
• RQ3 阻尼带来的益处在英国温度与降水预测之间有多大差异？
• RQ4 当模型集合表现出高模型间差异时，该方法是否能显著降低预测不确定性？
• RQ5 预测的信噪比能否作为气候预测中最佳预测调整的可靠依据？

主要发现

• 英国温度的阻尼预测与原始集合平均值相比变化极小，仅在预测期前二十年略有不同。
• 对于英国降水，长期预报时效（如2100年）下，阻尼预测将预测变化量减少为原来的一半，短期预报时效下减少幅度更大。
• 阻尼预测的估计预测误差比原始集合平均值低两到四倍，尤其在短期预报时效下更为显著。
• ‘无变化’预测（黑线）在约2050年之前的表现优于原始集合平均值（红线），表明集合平均值估计不佳且过于不确定。
• 该方法在降水预测中效果最显著，因为此时模型不确定性高且观测趋势微弱，表明当前集合平均值可能过于不确定，难以信赖。
• 结果表明，CMIP3集合平均值对英国的降水预测不确定性过高，不能直接使用，必须向零变化方向阻尼以提高可靠性。