WikiDer > Вероятностное прогнозирование - Википедия

Probabilistic forecasting - Wikipedia

Вероятностное прогнозирование обобщает то, что известно о будущих событиях или мнения о них. В отличие от однозначных прогнозов (таких как прогноз, что максимальная температура на данном участке в данный день будет 23 градуса по Цельсию или что результатом данного футбольного матча будет ничья без очков), вероятностные прогнозы присваивают вероятность каждого из ряда различных исходов, а полный набор вероятностей представляет собой прогноз вероятности. Таким образом, вероятностное прогнозирование - это вид вероятностная классификация.

Прогноз погоды представляет собой услугу, в которой вероятностные прогнозы иногда публикуются для общественного потребления, хотя ее также могут использовать синоптики в качестве основы для более простого типа прогнозов. Например, синоптики могут объединить свой собственный опыт с компьютерными вероятностными прогнозами для построения прогноза типа «мы ожидаем сильных дождей».

Ставки на спорт - еще одна область применения, в которой вероятностное прогнозирование может сыграть роль. Опубликованные перед скачкой коэффициенты для скачек можно рассматривать как соответствующие сводке мнений игроков о вероятном исходе скачек, хотя к этому следует относиться с осторожностью, поскольку букмекеры'прибыль нужно принимать во внимание. При размещении ставок на спорт вероятностные прогнозы могут не публиковаться как таковые, но могут лежать в основе деятельности букмекеров по установлению ставок выплат и т. Д.

Прогноз погоды

Вероятностное прогнозирование используется в прогноз погоды несколькими способами. Один из самых простых - это публикация об осадках в виде вероятность осадков.

Ансамбли

Информация о вероятности обычно получается с помощью нескольких прогонов численной модели с незначительно изменяющимися начальными условиями. Этот метод обычно называют ансамблевое прогнозирование с помощью системы ансамблевого прогнозирования (EPS). EPS не дает полного распределения вероятности прогноза по всем возможным событиям, и для этого можно использовать чисто статистические или гибридные статистические / численные методы.[1] Например, температура может принимать теоретически бесконечное количество возможных значений (событий); статистический метод будет производить распределение, присваивающее значение вероятности каждой возможной температуре. Тогда недопустимо высокие или низкие температуры имели бы значения вероятности, близкие к нулю.

Если бы можно было запустить модель для каждого возможного набора начальных условий, каждое из которых связано с вероятностью, то в зависимости от того, сколько членов (т. Е. Отдельных прогонов модели) ансамбля предсказывают определенное событие, можно было бы вычислить фактическую условную вероятность данного события. На практике синоптики пытаются угадать небольшое количество возмущений (обычно около 20), которые, по их мнению, с наибольшей вероятностью приведут к определенным погодным результатам. Двумя общими методами для этой цели являются селекционные векторы (BV) и сингулярные векторы (SV).[2] Этот метод не гарантирует получение ансамблевого распределения, идентичного фактическому прогнозному распределению, но получение такой вероятностной информации является одной из целей выбора начальных возмущений. К другим вариантам систем ансамблевого прогнозирования, не имеющим непосредственной вероятностной интерпретации, относятся те, которые объединяют прогнозы, произведенные различными численный прогноз погоды системы.

Примеры

Канада была одной из первых стран, опубликовавших свой вероятностный прогноз, указав вероятность осадков в процентах.[нужна цитата] В качестве примера полностью вероятностных прогнозов недавно были разработаны прогнозы распределения количества осадков с помощью чисто статистических методов, производительность которых не уступает гибридным EPS.[требуется разъяснение]/ статистические прогнозы осадков суточного количества осадков.[3]

Вероятностное прогнозирование также использовалось в сочетании с нейронными сетями для выработки энергии. Это достигается за счет улучшенного прогнозирования погоды с использованием вероятностных интервалов для учета неопределенностей в прогнозировании ветра и солнца, в отличие от традиционных методов, таких как точечное прогнозирование.[4]

Экономическое прогнозирование

Макроэкономическое прогнозирование представляет собой процесс прогнозирования экономики для ключевых переменных, таких как ВВП и инфляция, среди прочих, и обычно представляется в виде точечных прогнозов. Одна из проблем точечных прогнозов заключается в том, что они не передают неопределенности прогнозов, и именно здесь может оказаться полезной роль вероятностного прогнозирования. Большинство прогнозистов приписывают вероятности ряду альтернативных результатов или сценариев, выходящих за рамки их основных прогнозов. Эти вероятности обеспечивают более широкую оценку риска, связанного с их центральными прогнозами, и на них влияют неожиданные или экстремальные изменения ключевых переменных.

Яркими примерами вероятностного прогнозирования являются те, которые проводятся в обследованиях, когда прогнозистов просят, в дополнение к их основным прогнозам, их оценки вероятности в пределах определенного диапазона. В Валютное управление Сингапура (MAS) - одна из таких организаций, которая публикует вероятностные прогнозы в своем ежеквартальном обзоре профессиональных прогнозистов MAS. Другой Консенсусная экономика, компания, занимающаяся макроэкономическими исследованиями, которая публикует специальный обзор вероятностей прогнозов.[5] каждый январь в публикациях «Консенсус-прогнозы для Азиатско-Тихоокеанского региона» и «Консенсус-прогнозы для Восточной Европы».

Помимо исследовательских фирм, занимающихся этим вопросом, вероятностные прогнозы также являются предметом научных исследований. Это обсуждалось в исследовательской статье 2000 года Энтони Гарратта, Кевина Ли, М. Хашема Пезарана и Йонгчеола Шина, озаглавленной «Неопределенности прогнозов в макроэконометрическом моделировании: приложение к экономике Великобритании».[6] В октябре 2015 года MAS опубликовало статью на эту тему в своем макроэкономическом обзоре под названием «Краткий обзор прогнозирования плотности в макроэкономике».[7]

Прогноз энергии

Вероятностные прогнозы на сегодняшний день широко не исследовались в контексте прогнозирование энергии. Однако ситуация меняется.[8][9] В то время как Конкурс глобального энергетического прогнозирования (GEFCom) в 2012 г. проводилось точечное прогнозирование электрической нагрузки и ветроэнергетики, издание 2014 г. направлено на вероятностное прогнозирование электрическая нагрузка, ветровая энергия, солнечная энергия и цены на электроэнергию. Две лучшие команды в ценовой трек GEFCom2014 использовали варианты Квантильное усреднение регрессии (QRA),[10] новая техника, которая предполагает применение квантильная регрессия точечные прогнозы небольшого числа отдельных моделей прогнозирования или экспертов, что позволяет использовать существующие разработки точечного прогнозирования.

Lumina Decision Systems создала примерный вероятностный прогноз потребления энергии на следующие 25 лет, используя данные Министерства энергетики США. Годовой энергетический прогноз (AEO) 2010.

Прогнозирование населения

Вероятностные прогнозы также использовались в области прогнозирования численности населения.[11]

Оценка

Оценка вероятностных прогнозов сложнее, чем оценка детерминированных прогнозов.[12] Если используется подход, основанный на ансамбле, отдельные элементы ансамбля необходимо сначала объединить и выразить в терминах распределения вероятностей.[13] Существуют вероятностные (собственные) правила подсчета очков такой как оценка непрерывной ранжированной вероятности для оценки вероятностных прогнозов.[14] Одним из примеров такого правила является Оценка Бриера.

Смотрите также

Рекомендации

  1. ^ Уилкс, Д.С. (2005), Статистические методы в атмосферных науках, Второе издание. (Международная серия по геофизике, том 91). Академическая пресса. ISBN 0-12-751966-1
  2. ^ Тот, З. и Калнай, Э. (1997), "Ансамблевое прогнозирование в NCEP и метод селекции", Ежемесячный обзор погоды, 125, с. 3298.
  3. ^ Литтл, М.А. и др. (2009), «Обобщенные линейные модели для прогнозирования суточной плотности осадков в Великобритании». Ежемесячный обзор погоды, 37(3), 1029–1045
  4. ^ Кабир, Х. М. Дипу; Хосрави, Аббас; Хосен, Мохаммад Анвар; Нахаванди, Саид (2018). «Количественная оценка неопределенности на основе нейронных сетей: обзор методологий и приложений». IEEE доступ. 6: 36218–36234. Дои:10.1109 / access.2018.2836917. ISSN 2169-3536.
  5. ^ «Консенсус-экономика - экономические прогнозы и индикаторы».
  6. ^ https://www.le.ac.uk/economics/research/RePEc/lec/leecon/econ00-4.pdf
  7. ^ http://www.mas.gov.sg/~/media/resource/publications/macro_review/2015/MROct15_Macroeconomic%20Review.pdf , стр. 92-97
  8. ^ Верон, Рафал (2014). [Открытый доступ]. «Прогнозирование цен на электроэнергию: обзор современного состояния с взглядом в будущее». Международный журнал прогнозирования. 30 (4): 1030–1081. Дои:10.1016 / j.ijforecast.2014.08.008.
  9. ^ "Призыв статей: вероятностное прогнозирование энергетики | Международный журнал прогнозирования". blog.drhongtao.com. Получено 2015-11-29.
  10. ^ Новотарский, Якуб; Верон, Рафал (2015). [Открытый доступ]. «Вычисление интервалов прогнозирования спотовых цен на электроэнергию с использованием квантильной регрессии и усреднения прогнозов» (PDF). Вычислительная статистика. 30 (3): 791–803. Дои:10.1007 / s00180-014-0523-0. ISSN 0943-4062.
  11. ^ Wilson, T .; Белл, М. (2007). «Вероятностные региональные прогнозы численности населения: на примере Квинсленда, Австралия». Географический анализ. 39: 1–25. Дои:10.1111 / j.1538-4632.2006.00693.x.
  12. ^ Джоллифф, И.Т., Стивенсон, Д. (2003) Проверка прогнозов: руководство для практикующего специалиста по атмосферным наукам. Вайли. ISBN 0-471-49759-2
  13. ^ Шёльцель, К., А. Хенсе (2011): Вероятностная оценка регионального изменения климата Юго-Западной Германии по ансамблевому костюму, Климатическая динамика 36 (9), 2003-2014 гг.
  14. ^ Гнейтинг, Т. и Рэфтери, А.Е. (2007), «Строгое правильные правила подсчета очков, прогнозирование и оценка». Журнал Американской статистической ассоциации, 102, с. 359–378

внешняя ссылка