[论文解读] Predicting hurricane numbers from Sea Surface Temperature: closed form expressions for the mean, variance and standard error of the number of hurricanes

Stephen Jewson|ArXiv.org|Jan 15, 2007

Tropical and Extratropical Cyclones Research参考文献 5被引用 3

一句话总结

本文从海表温度（SST）出发，利用概率模型推导出飓风数量预测的均值、方差和标准误的闭式解析表达式。研究针对SST与飓风数量之间的线性-正态、线性-泊松和指数-泊松关系，提出了数学上可处理的解法，使季节性飓风预测中的不确定性量化无需模拟即可高效实现。

ABSTRACT

One way to predict hurricane numbers would be to predict sea surface temperature, and then predict hurricane numbers as a function of the predicted sea surface temperature. For certain parametric models for sea surface temperature and the relationship between sea surface temperature and hurricane numbers, closed-form solutions exist for the mean and the variance of the number of predicted hurricanes, and for the standard error on the mean. We derive a number of such expressions.

研究动机与目标

• 开发用于从海表温度（SST）预测中推导出可解析处理的模型。
• 通过推导均值、方差和标准误的闭式表达式，量化预测飓风数量的不确定性。
• 评估SST预测不确定性对不同统计模型下飓风数量预测的影响。
• 通过结合SST到全盆地和全盆地到登陆的关联关系，实现对全盆地和登陆飓风数量的高效概率预测。
• 提供对飓风预测关于SST均值和方差变化的敏感性分析框架。

提出的方法

• 假设SST服从已知均值和方差的正态分布，从而实现不确定性在模型中的解析传播。
• 针对三种模型（线性-正态、线性-泊松、指数-泊松）推导出全盆地飓风数量均值和方差的闭式表达式。
• 利用全方差定律和矩生成函数，将不确定性从SST传播至飓风数量。
• 通过线性-泊松关系将SST到全盆地飓风模型与全盆地到登陆飓风模型相结合，以预测登陆数量。
• 通过传播模型参数的方差和协方差，推导出预测均值飓风数量的标准误表达式。
• 应用delta方法和基于矩的近似，推导出分层预测链中方差和标准误的解析表达式。

实验结果

研究问题

• RQ1 在给定概率SST预测的前提下，预测全盆地飓风数量的均值和方差是否存在闭式表达式？
• RQ2 SST-飓风关系选择（线性-正态、线性-泊松、指数-泊松）如何影响飓风预测的解析可处理性与不确定性结构？
• RQ3 当SST存在不确定性时，预测均值飓风数量的标准误的解析表达式是什么？
• RQ4 如何通过结合SST到全盆地和全盆地到登陆的模型，实现对登陆飓风数量的解析推导？
• RQ5 预测飓风数量的均值和方差与SST预测的均值和方差之间的敏感性关系是什么？

主要发现

• 在线性-泊松模型中，全盆地飓风的均值为 μ_b = α + βμ_s，方差为 σ²_b = β²σ²_s + μ_b。
• 在指数-泊松模型中，全盆地飓风数量的均值为 μ_b = exp(α + β(μ_s + βσ²_s/2))，方差为 σ²_b = μ²_b(exp(β²σ²_s) - 1) + μ_b。
• 当使用线性-泊松模型从全盆地到登陆时，登陆飓风的均值为 μ_l = α′ + β′μ_b，方差为 σ²_l = β′²σ²_b + μ_l。
• 预测均值登陆飓风数量的标准误通过组合SST → 全盆地 → 登陆链中各参数的方差和协方差推导得出。
• 在线性-泊松模型下，预测均值全盆地飓风数量的方差为 var(μ_b) = var(α) + μ²_s var(β) + β² var(μ_s) + 2μ_s cov(α,β)。
• 完整的解析框架使飓风预测的不确定性量化无需依赖蒙特卡洛模拟，显著提升了计算效率。