一种基于重心的次季节预报多模式集成方法
应用统计
2025-03-24 v2
摘要
从概率空间的角度考察了集成预报及其组合。将集成预报作为离散概率分布处理，多模式集成（MME）预报被重新表述为这些分布的重 heart。我们考虑两种重心，各自相对于不同的距离度量定义：L2 重心对应于传统的池化方法，Wasserstein 重心能更好地保持输入集成分布的某些几何性质。作为概念验证，我们将 L2 和 Wasserstein 重心应用于 Subseasonal to Seasonal（S2S）预测项目数据库中四个模式的组合。针对欧洲冬季每周 2m 温度、10m 风速和 500hPa 位势高度的预测评估了它们的性能。由构造可知，两种基于重心的 MME 具有相同的集成均值，但在预报不确定性的表示上不同。值得注意的是，L2 重心具有更大的集成离散度，使其更容易欠自信。虽然两种方法在连续分级概率评分（CRPS）上平均表现相似，但 Wasserstein 重心更频繁地表现更好。
引用
@article{arxiv.2310.17933,
title = {A barycenter-based approach for the multi-model ensembling of subseasonal forecasts},
author = {Camille Le Coz and Alexis Tantet and Rémi Flamary and Riwal Plougonven},
journal= {arXiv preprint arXiv:2310.17933},
year = {2025}
}
备注
28 pages, 7 figures