利用群体智慧量化水文模型中的预测不确定性：方法开发及基于玩具模型的探究
统计方法学
2020-01-07 v2
摘要
我们引入一种用于概率水文建模的集成学习后处理方法。该方法通过应用单一水文模型但采用分别从相应模拟后验分布中抽取的不同参数值，生成大量点预测。我们称这些预测为“姊妹预测”。每个在关注时段内延伸的姊妹预测，利用关于水文模型误差的信息被转换为概率预测。该信息取自一个有观测可用的前序时段，并通过灵活的分位数回归模型加以利用。所有概率预测最终通过简单的分位数平均进行合并，以产生输出的概率预测。该思想受机器学习文献中集成学习方法的启发。所提方法比使用单一水文点预测的基础后处理方法在性能上更具鲁棒性。经验上还证明其在平均区间分数意义上“利用了群体智慧”，即所得分位数预测得分不差于——通常优于——被合并的各独立预测的平均得分。该证明在玩具示例中给出，这些示例可用于深入理解方法如何运作以及其在何种条件下能最优地将点水文预测转换为概率预测。大规模水文应用见于另一篇论文。
引用
@article{arxiv.1909.00244,
title = {Quantification of predictive uncertainty in hydrological modelling by harnessing the wisdom of the crowd: Methodology development and investigation using toy models},
author = {Georgia Papacharalampous and Demetris Koutsoyiannis and Alberto Montanari},
journal= {arXiv preprint arXiv:1909.00244},
year = {2020}
}