Прогнозирование с несовершенными данными и несовершенной моделью

Исследователи из Аргоннской национальной лаборатории Джули Бессак и её французский коллега Филипп Наво представили новую методику оценки качества прогнозов погоды, учитывающую ошибки как в наблюдениях, так и в самих моделях. Их работа «Оценка прогноза с несовершенными наблюдениями и несовершенными моделями» предлагает новые метрики и правила оценки (scoring rules), которые исправляют классические подходы.

Классические схемы оценки обычно сравнивают различные прогнозы с данными наблюдений. Однако эти наблюдения почти всегда содержат ошибки из-за проблем с записью данных или недостатков приборов. Новый подход Бессак и Наво предлагает модель, которая связывает распределения прогнозов и наблюдений для корректировки оценки, когда ошибки присутствуют как в проверочных данных, так и в прогнозе. Исследователи также подчеркивают необходимость анализа не только среднего значения оценки, как это часто делается на практике.

«Различие между ненаблюдаемой истиной (скрытыми процессами) и наблюдаемыми (но неточными) проверочными данными является фундаментальным для понимания влияния несовершенных наблюдений на моделирование прогнозов», — отметила Джули Бессак. Новая модель была протестирована на двух идеализированных случаях с известными параметрами распределений, что продемонстрировало важность рассмотрения проверочных данных как случайной величины и анализа полного распределения оценок, а не только их среднего значения.