用于无缝概率性降雨场合成的R-vine Copula 方法
统计方法学
2024-08-13 v1
摘要
许多后处理方法在单个位置改善预测，但会消除其相关结构，这对于预测大范围事件（如河流流域的总降雨量，这些事件与天气警报和洪水预测相关）至关重要。我们提出了一种方法，通过对历史观测数据拟合R-vine Copula将空间相关性重新引入后处理预测中。该方法类似于Schaake shuffle和ensemble copula coupling等相关方法，即通过重新排列单个位置的预测并重新引入空间相关性，同时保持后处理的边际分布。这里，Copula衡量该安排与降雨历史分布的匹配程度。无需后处理的边际分布与空间相关性来源之间保持密切关系。这一优势区别于Schaake shuffle和ensemble copula coupling，这些方法依赖于其空间相关性来源中每个考虑位置的排名在无平局情况下的排序。然而，天气变量（如降雨量，其分布在零处具有原子），会产生排名中存在平局的情况。为了评估所提出的方法，我们将其应用于一种由两种输入预测组合而成的降雨预测模型，这两种输入预测提供已校准的边际分布，但缺乏空间相关性。得到的结果表明，组合模型的校准工作在所提出模型的输出中得以延续，即区域预测的评估显示了与单个位置预测相似的预测质量改善。此外，使用对象基准指标评估了降雨预测的空间相关性，所提出的模型在两个输入预测都有改进方面也表现出优势。
关键词
引用
@article{arxiv.2404.13487,
title = {Generating Synthetic Rainfall Fields by R-vine Copulas Applied to Seamless Probabilistic Predictions},
author = {Peter Schaumann and Martin Rempel and Ulrich Blahak and Volker Schmidt},
journal= {arXiv preprint arXiv:2404.13487},
year = {2024}
}