Вероятностное прогнозирование
Вероятностное прогнозирование обобщает то, что известно о будущих событиях или мнения о них. В отличие от однозначных прогнозов (например, прогнозирования того, что максимальная температура в данном месте в данный день составит 23 градуса Цельсия или что результатом данного футбольного матча будет нулевая ничья), вероятностные прогнозы присваивают вероятность каждого из множества различных исходов, а полный набор вероятностей представляет собой вероятностный прогноз . Таким образом, вероятностное прогнозирование представляет собой разновидность вероятностной классификации .
Прогнозирование погоды представляет собой услугу, в рамках которой вероятностные прогнозы иногда публикуются для общественного пользования, хотя синоптики также могут использовать их в качестве основы для прогнозов более простого типа. Например, синоптики могут объединить свой собственный опыт с вероятностными прогнозами, сгенерированными компьютером, для построения прогноза типа «мы ожидаем сильных дождей».
Ставки на спорт — еще одна область применения, в которой может сыграть роль вероятностное прогнозирование. Опубликованные перед скачками коэффициенты на скачки можно рассматривать как соответствующие обобщению мнений игроков о вероятном исходе скачек, хотя к этому следует относиться с осторожностью, поскольку букмекеров необходимо принимать во внимание прибыль . В ставках 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
[ редактировать ]Вероятностное прогнозирование используется в прогнозировании погоды по-разному. Одним из самых простых является публикация информации об осадках в виде вероятности выпадения осадков .
Ансамбли
[ редактировать ]Информация о вероятности обычно получается с использованием нескольких прогонов численной модели со слегка различающимися начальными условиями. Этот метод обычно называют ансамблевым прогнозированием с помощью системы ансамблевого прогнозирования (EPS). EPS не дает полного распределения вероятностей прогноза по всем возможным событиям, и для этого можно использовать чисто статистические или гибридные статистические/числовые методы. [1] Например, температура может принимать теоретически бесконечное число возможных значений (событий); статистический метод даст распределение, присваивающее значение вероятности каждой возможной температуре. Неправдоподобно высокие или низкие температуры тогда имели бы значения вероятности, близкие к нулю.
Если бы можно было запустить модель для каждого возможного набора начальных условий, каждое из которых имело бы соответствующую вероятность, 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 распространенными методами для этой цели являются векторы размножения (BV) и сингулярные векторы (SV). [2] Этот метод не гарантирует получение ансамблевого распределения, идентичного фактическому распределению прогноза, но получение такой вероятностной информации является одной из целей выбора начальных возмущений. Другие варианты систем ансамблевого прогнозирования, не имеющие непосредственной вероятностной интерпретации, включают те, которые объединяют прогнозы, произведенные различными системами численного прогнозирования погоды .
Примеры
[ редактировать ]Канада была одной из первых стран, которая транслировала свой вероятностный прогноз, указывая вероятность осадков в процентах. [ нужна ссылка ] В качестве примера полностью вероятностных прогнозов недавно были разработаны прогнозы распределения количества осадков чисто статистическими методами, эффективность которых конкурентоспособна с гибридными EPS. [ нужны разъяснения ] /статистические прогнозы суточного количества осадков. [3]
Вероятностное прогнозирование также использовалось в сочетании с нейронными сетями для производства энергии. Это достигается за счет улучшения прогнозирования погоды с использованием вероятностных интервалов для учета неопределенностей в прогнозировании ветра и солнечной энергии, в отличие от традиционных методов, таких как точечное прогнозирование. [4]
Экономическое прогнозирование
[ редактировать ]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 отражают неопределенностей прогноза, и именно здесь роль вероятностного прогнозирования может оказаться полезной. Большинство прогнозистов связывают вероятности с рядом альтернативных результатов или сценариев, выходящих за рамки своих 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 исследования, в которых прогнозистов просят, в дополнение к их центральным прогнозам, дать оценки вероятности в пределах определенного диапазона. Денежно -кредитное управление Сингапура (MAS) является одной из таких организаций, которая публикует вероятностные прогнозы в своем ежеквартальном опросе профессиональных прогнозистов MAS. Другой — Consensus Economics , фирма, занимающаяся макроэкономическими исследованиями, которая публикует специальный обзор вероятностей прогнозирования. [5] каждый январь в публикациях «Консенсус-прогноз», «Азиатско-Тихоокеанский консенсус-прогноз» и «Консенсус-прогноз для Восточной Европы».
Помимо исследовательских фирм, занимающихся этой темой, вероятностные прогнозы также являются темой академических исследований. Это обсуждалось в исследовательской работе 2000 года Энтони Гарратта, Кевина Ли, М. Хашема Песарана и Ёнчхола Шина под названием «Прогнозная неопределенность в макроэконометрическом моделировании: применение к экономике Великобритании». [6] В октябре 2015 года MAS опубликовало статью на эту тему в своем «Макроэкономическом обзоре» под названием «Краткий обзор прогнозирования плотности населения в макроэкономике». [7]
Энергетическое прогнозирование
[ редактировать ]Вероятностные прогнозы до сих пор широко не исследовались в контексте энергетического прогнозирования . Однако ситуация меняется. [8] [9] В то время как Глобальный конкурс по энергетическому прогнозированию (GEFCom) в 2012 году был посвящен точечному прогнозированию электрической нагрузки и энергии ветра, выпуск 2014 года был нацелен на вероятностное прогнозирование электрической нагрузки , энергии ветра , солнечной энергии и цен на электроэнергию . Две лучшие команды по ценовой шкале GEFCom2014 использовали варианты усреднения квантильной регрессии (QRA), [10] новый метод, который включает применение квантильной регрессии к точечным прогнозам небольшого количества отдельных моделей прогнозирования или экспертов, что позволяет использовать существующие разработки точечного прогнозирования.
Lumina Decision Systems создала пример вероятностного прогноза энергопотребления на следующие 25 лет, используя Ежегодный прогноз энергетики (AEO) 2010 Министерства энергетики США.
Прогнозирование численности населения
[ редактировать ]Вероятностные прогнозы также использовались в области демографического прогнозирования. [11]
Оценка
[ редактировать ]Оценка вероятностных прогнозов является более сложной задачей, чем оценка детерминистических прогнозов. [12] Если используется подход, основанный на ансамбле, отдельные члены ансамбля сначала необходимо объединить и выразить через распределение вероятностей. [13] Существуют вероятностные (правильные) правила оценки , такие как непрерывная ранжированная оценка вероятности для оценки вероятностных прогнозов. [14] Одним из примеров такого правила является показатель Брайера .
См. также
[ редактировать ]- Консенсус-прогноз
- Энергетическое прогнозирование
- Прогнозирование
- Навык прогнозирования
- Соревнования по глобальному энергетическому прогнозированию
Ссылки
[ редактировать ]- ^ Уилкс, Д.С. (2005), Статистические методы в науках об атмосфере , второе издание. (Международная серия по геофизике, том 91). Академическая пресса. ISBN 0-12-751966-1
- ^ Тот, З. и Калнай, Э. (1997), «Ансамбльное прогнозирование в NCEP и метод размножения», Monthly Weather Review , 125, стр. 3298.
- ^ Литтл, Массачусетс и др. (2009), «Обобщенные линейные модели для прогнозирования плотности ежедневных осадков в Великобритании для конкретного участка» . Ежемесячный обзор погоды , 37(3), 1029–1045.
- ^ Кабир, Его Величество Дипу; Хосрави, Аббас; Хосен, Мохаммад Анвар; Нахаванди, Саид (2018). «Количественная оценка неопределенности на основе нейронных сетей: обзор методологий и приложений» . Доступ IEEE . 6 : 36218–36234. дои : 10.1109/access.2018.2836917 . hdl : 10536/DRO/DU:30111072 . ISSN 2169-3536 .
- ^ «Экономика консенсуса – экономические прогнозы и индикаторы» .
- ^ Гарратт, Энтони; Ли, Кевин; Песаран, М. Хашем; Шин, Ёнчоль (декабрь 2003 г.). «Неопределенность прогнозов в макроэкономическом моделировании: применение к экономике Великобритании» (PDF) . Журнал Американской статистической ассоциации . 98 (464): 829–838. дои : 10.1198/016214503000000765 . JSTOR 30045334 . S2CID 120465353 . Проверено 27 февраля 2023 г.
- ^ Денежно-кредитное управление Сингапура, Macro Economic Review , Vol. XIV, выпуск 2 (октябрь 2015 г.), стр. 92–97.
- ^ Верон, Рафал (2014). «Прогнозирование цен на электроэнергию: обзор современного состояния с взглядом в будущее» . Международный журнал прогнозирования . 30 (4). [Открытый доступ]: 1030–1081. doi : 10.1016/j.ijforecast.2014.08.008 .
- ^ «Призыв к участию в докладах: вероятностное энергетическое прогнозирование | Международный журнал прогнозирования» . blog.drhongtao.com . Проверено 29 ноября 2015 г.
- ^ Новотарски, Якуб; Верон, Рафал (2015). «Расчет интервалов прогнозирования спотовых цен на электроэнергию с использованием квантильной регрессии и усреднения прогноза» (PDF) . Вычислительная статистика . 30 (3). [Открытый доступ]: 791–803. дои : 10.1007/s00180-014-0523-0 . ISSN 0943-4062 .
- ^ Уилсон, Т.; Белл, М. (2007). «Вероятностные региональные прогнозы численности населения: пример Квинсленда, Австралия» . Географический анализ . 39 : 1–25. дои : 10.1111/j.1538-4632.2006.00693.x .
- ^ Джоллифф, И.Т., Стивенсон, Д.Б. (2003) Проверка прогноза: Руководство для практического специалиста по науке об атмосфере . Уайли. ISBN 0-471-49759-2
- ^ Шёльцель, К., А. Хенсе (2011): Вероятностная оценка регионального изменения климата на юго-западе Германии с помощью ансамблевой одежды , Climate Dynamics 36 (9), 2003-2014 гг.
- ^ Гнейтинг, Т. и Рафтери, А.Е. (2007), «Строго правильные правила подсчета очков, прогнозирование и оценка». Журнал Американской статистической ассоциации , 102, стр. 359–378.