[论文解读] Year ahead prediction of US landfalling hurricane numbers: the optimal combination of long and short baselines

Stephen Jewson, Christopher Casey+1 more|ArXiv.org|Dec 13, 2005

Tropical and Extratropical Cyclones Research参考文献 4被引用 5

一句话总结

本文提出了一种结合长期（1900–1994）和短期（1995–2005）平均值的最优方法，以一年前预测美国飓风登陆次数。通过最小化均方误差（MSE），研究显示，一种加权混合基线——偏向近期高活动期但同时纳入长期数据——的预测误差低于单独使用任一基线，表明在数据有限且信噪比较低时，有偏预测器可优于无偏预测器。

ABSTRACT

Annual levels of US landfalling hurricane activity averaged over the last 11 years (1995-2005) are higher than those averaged over the previous 95 years (1900-1994). How, then, should we best predict hurricane activity rates for next year? Based on the assumption that the higher rates will continue we use an optimal combination of averages over the long and short time-periods to produce a prediction that minimises MSE.

研究动机与目标

• 开发一种统计上最优的方法，以一年前预测每年美国飓风登陆次数。
• 研究结合长期与短期历史平均值是否可降低预测误差，相较于单独使用任一基线。
• 证明在数据稀疏且信噪比较低时，基于近期高活动年份的有偏预测器（短期平均）可优于基于完整历史记录的无偏预测器（长期平均），在均方误差方面表现更优。
• 说明在非平稳条件下，偏差与方差之间的权衡如何影响统计预测的准确性。

提出的方法

• 将每年美国飓风登陆次数建模为泊松分布，其均值分为两个阶段：1900–1994年和1995–2005年。
• 假设2006年将遵循1995–2005年的分布，从而为使用短期基线进行预测提供依据。
• 推导出两个基线平均值的最优线性组合，以最小化均方误差（MSE）。
• 使用权重参数 α 将长期（1900–1994）和短期（1995–2005）平均值进行混合，α 的取值通过最小化MSE确定。
• 将推导出的最优组合应用于真实历史数据，生成2006年的预测结果。
• 使用偏差、方差和均方根误差（RMSE）指标，比较最优组合与单独长期和短期预测的性能。

实验结果

研究问题

• RQ1 统计上最优的长期与短期平均值组合能否提升对美国飓风登陆次数的一年期预测？
• RQ2 在何种条件下，基于近期高活动年份的有偏预测（短期平均）可优于基于完整历史记录的无偏预测（长期平均）？
• RQ3 当数据有限时，偏差与方差之间的权衡如何影响飓风次数预测的准确性？
• RQ4 长期与短期基线之间最优的加权比例是什么，可使飓风次数预测的均方误差最小化？

主要发现

• 最优组合预测在所有测试方法中实现了最低的均方根误差（RMSE），优于单独使用长期或短期平均值。
• 短期预测（1995–2005）偏差最低（为零），但因数据有限，误差标准差最高。
• 长期预测（1900–1994）偏差最高，但误差标准差最低，因其数据量更大。
• 最优组合在偏差和方差方面均优于单独预测，从而整体RMSE低于任一组成部分。
• 本研究证实，在信噪比较低且数据有限的情况下，有偏预测器可提供优于无偏预测器的整体性能。
• 最优权重参数 α 由数据估计得出，但其不确定性可能降低实际预测准确性的提升幅度。