Вероятностное прогнозирование суммирует то, что известно или мнения о будущих событиях. 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 разновидность вероятностной классификации .
Прогноз погоды представляет собой услугу, в которой вероятностные прогнозы иногда публикуются для общественного потребления, хотя они также могут использоваться синоптиками 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 гонкой коэффициенты для скачек можно рассматривать как соответствующие сводке мнений игроков о вероятном исходе скачек, хотя при этом следует проявлять осторожность, поскольку необходимо принимать во внимание прибыль букмекеров . При размещении ставок на спорт вероятностные прогнозы могут не публиковаться как таковые, но могут лежать в основе деятельности букмекеров при установлении ставок выплат и т. Д.
Прогноз погоды
Вероятностное прогнозирование используется в прогнозировании погоды несколькими способами. Одним из самых простых является публикация информации о количестве осадков в виде вероятности выпадения осадков .
Ансамбли
Информация о вероятности обычно получается с помощью нескольких прогонов численной модели с незначительно изменяющимися начальными условиями. Этот метод обычно называется ансамблевым прогнозированием 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 даст распределение, приписывающее 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. Другие варианты систем ансамблевого прогнозирования, которые не имеют непосредственной вероятностной интерпретации, включают те, которые объединяют прогнозы, произведенные различными системами численного прогнозирования погоды .
Примеры
Канада была одной из первых стран, которые опубликовали свой вероятностный прогноз, указав вероятность осадков в процентах. [ необходима цитата ] В качестве примера полностью вероятностных прогнозов недавно были разработаны прогнозы распределения количества осадков с помощью чисто статистических методов, производительность которых конкурентоспособна с гибридными прогнозами EPS [ требуется пояснение ] / статистическими прогнозами 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 солнечной активности в отличие от традиционных методов, таких как точечное прогнозирование. [4]
Экономическое прогнозирование
Макроэкономическое прогнозирование - это 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. Валютное управление Сингапура (MAS) является одна такая организация , которая публикует прогнозы вероятности в своем ежеквартальном обзоре MAS профессиональных прогнозистов. Другой - Consensus Economics , компания, занимающаяся макроэкономическими исследованиями, которая каждый январь публикует специальный обзор вероятностей прогнозов [5] в своих публикациях Consensus Forecasts, Asia Pacific Consensus Forecasts и Eastern Europe Consensus Forecasts.
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 под названием «Неопределенности прогнозов в макроэконометрическом моделировании: приложение к экономике Великобритании». [6] MAS опубликовало статью по этой теме в своем макроэкономическом обзоре в октябре 2015 года под названием «Краткий обзор прогнозирования плотности в макроэкономике». [7]
Прогноз энергии
Вероятностные прогнозы на сегодняшний день не изучались широко в контексте прогнозирования энергетики . Однако ситуация меняется. [8] [9] В то время как в 2012 году конкурс Global Energy Forecasting Competition (GEFCom) был ориентирован на точечное прогнозирование электрической нагрузки и энергии ветра, издание 2014 года было направлено на вероятностное прогнозирование электрической нагрузки , энергии ветра , солнечной энергии и цен на электроэнергию . Две лучшие по эффективности команды в ценовом треке GEFCom2014 использовали варианты усреднения квантильной регрессии (QRA) [10], нового метода, который включает применение квантильной регрессии к точечным прогнозам 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 Годовой прогноз энергетики США (AEO) за 2010 год.
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 на основе ансамбля, отдельные элементы ансамбля необходимо сначала объединить и выразить в терминах распределения вероятностей. [13] Существуют вероятностные (правильные) правила оценки, такие как непрерывная ранжированная оценка вероятности для оценки вероятностных прогнозов. [14] Одним из примеров такого правила является оценка по Брайеру .
Смотрите также
Рекомендации
- ^ Уилкс, Д.С. (2005), Статистические методы в атмосферных науках , второе издание. (Международная серия по геофизике, том 91). Академическая пресса. ISBN 0-12-751966-1
- ^ Тот, З. и Калнай, Э. (1997), "Ансамблевое прогнозирование в NCEP и метод размножения", Ежемесячный обзор погоды , 125, стр. 3298.
- ^ Little, MA et al. (2009), «Обобщенные линейные модели для прогнозирования удельной плотности ежедневных осадков в Великобритании» . Ежемесячный обзор погоды , 37 (3), 1029–1045
- ^ Кабир, HM Dipu; Хосрави, Аббас; Хосен, Мохаммад Анвар; Нахаванди, Саид (2018). «Количественная оценка неопределенности на основе нейронных сетей: обзор методологий и приложений» . Доступ IEEE . 6 : 36218–36234. DOI : 10,1109 / access.2018.2836917 . ISSN 2169-3536 .
- ^ «Консенсусная экономика - экономические прогнозы и индикаторы» .
- ^ https://www.le.ac.uk/economics/research/RePEc/lec/leecon/econ00-4.pdf
- ^ http://www.mas.gov.sg/~/media/resource/publications/macro_review/2015/MROct15_Macroeconomic%20Review.pdf , стр. 92-97
- ^ Верон, Рафал (2014). [Открытый доступ]. «Прогнозирование цен на электроэнергию: обзор современного состояния с взглядом в будущее» . Международный журнал прогнозирования . 30 (4): 1030–1081. DOI : 10.1016 / j.ijforecast.2014.08.008 .
- ^ "Призыв статей: вероятностное прогнозирование энергетики | Международный журнал прогнозирования" . blog.drhongtao.com . Проверено 29 ноября 2015 .
- ^ 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. DOI : 10.1007 / s00180-014-0523-0 . ISSN 0943-4062 .
- ^ Wilson, T .; Белл, М. (2007). «Вероятностные региональные прогнозы численности населения: на примере Квинсленда, Австралия». Географический анализ . 39 : 1–25. DOI : 10.1111 / j.1538-4632.2006.00693.x .
- ^ Jolliffe, IT, Stephenson, DB (2003) Проверка прогнозов: Руководство для практиков в области атмосферных наук . Вайли. ISBN 0-471-49759-2
- ^ Schölzel, С. А. Hense (2011): Вероятностная оценка региональных изменений климата в Юго - Западной Германии по ансамблю заправки , климатдинамика 36 (9), 2003-2014
- ^ Gneiting, Т. и Рэфтери, AE (2007), "Строго Правильное Scoring Правила, прогнозирование и оценка". Журнал Американской статистической ассоциации , 102, стр. 359–378.
Внешние ссылки
- Онлайн-результаты из EPS (Всемирной метеорологической организации)