論文の概要: Improving the sharpness in neural network-based parametric post-processing of ensemble forecasts

• arxiv url: http://arxiv.org/abs/2606.08587v1
• Date: Sun, 07 Jun 2026 11:57:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:06.279785
• Title: Improving the sharpness in neural network-based parametric post-processing of ensemble forecasts
• Title（参考訳）: ニューラルネットワークによるアンサンブル予測のパラメトリック後処理におけるシャープネスの改善
• Authors: Ágnes Baran, Máté Mihalina,
• Abstract要約: 提案手法が欧州中距離気象予報センターの2m温度アンサンブル予測に与える影響を示す。 ケーススタディでは、名目中央予測間隔の幅において、相当な相対的な減少(8.2%-12.5%ドル)が確認されている。 確率予測の平均CRPSや予測平均のRMSEには劣化はない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Statistical post-processing has proven to be an effective tool in improving ensemble forecast of different weather variables. Case studies show that post-processing can remedy the typically underdispersive and potentially biased behaviour of the ensemble while optimizing a proper scoring rule expressing the forecast skill. The price of these positive effects is generally a deterioration in sharpness; the width of the central prediction intervals and the uncertainty of the predictions are increasing, especially for shorter lead times. This work aims to reduce the extent of the latter phenomenon for neural network-based parametric post-processing methods by extending the network's loss function with a penalty term. We demonstrate the effect of the proposed technique for 2m temperature ensemble forecasts of the European Centre for Medium-Range Weather Forecasts downloaded from the EUPPBench benchmark dataset and verified against synoptic observations. Here, the predictive distribution is Gaussian, and we use the continuous ranked probability score (CRPS) as loss function. The case studies confirm a substantial relative decrease ($8.2\%-12.5\%$) in the width of the nominal central prediction interval compared to the width of the predictive distribution computed without the penalty term, while there is no deterioration in the mean CRPS of probabilistic forecasts and in the RMSE of the predictive mean.
• Abstract（参考訳）: 統計的ポストプロセッシングは、異なる気象変数のアンサンブル予測を改善する効果的なツールであることが証明されている。 ケーススタディでは、ポストプロセッシングは、予測スキルを表す適切なスコアリングルールを最適化しながら、アンサンブルの典型的に過度に分散し、潜在的に偏りのある振る舞いを改善できることが示されている。 これらの正の効果の価格は一般的に鋭さの劣化であり、特に短いリード時間では中央の予測間隔の幅と予測の不確かさが増大している。 本研究の目的は,ニューラルネットワークに基づくパラメトリック後処理手法において,ネットワークの損失関数をペナルティ項で拡張することにより,後者の現象の程度を下げることである。 本研究では,EUPPBenchベンチマークデータセットからダウンロードした中レージ気象予報センターの2m温度アンサンブル予測に対する提案手法の効果を実証し,光合成観測に対する検証を行った。 ここでは、予測分布はガウスであり、損失関数として連続ランク確率スコア(CRPS)を用いる。 ケーススタディでは, 有意な中央予測間隔の幅に対して, ペナルティ項なしで計算した予測分布の幅と比較して, 有意な相対的な減少(8.2\%-12.5\%$)が確認された。

関連論文リスト

• A Composite-Loss Graph Neural Network for the Multivariate Post-Processing of Ensemble Weather Forecasts [0.0]
  デュアルGNNは、実証的なコプラベースの後処理予測を一貫して上回っている。 双対GNN予測のランク順構造は、貴重な依存情報をキャプチャする。
  論文  参考訳（メタデータ） (2025-09-02T19:37:44Z)
• EMForecaster: A Deep Learning Framework for Time Series Forecasting in Wireless Networks with Distribution-Free Uncertainty Quantification [11.88654374102813]
  我々は、textitEMForecasterと呼ばれるディープラーニング(DL)時系列予測フレームワークを開発した。 EMForecasterは、短期と長期の両方の予測地平線にまたがって、さまざまなデータセットで優れたパフォーマンスを実現している。 ポイント予測タスクでは、EMForecasterは現在の最先端のDLアプローチを大きく上回り、Transformerアーキテクチャよりも53.97%、ベースラインモデルの平均より38.44%改善している。
  論文  参考訳（メタデータ） (2025-03-31T18:10:08Z)
• ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
  非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。 また,複数のランダムサンプルを用いて予測結果の不確かさをキャプチャするExBoosterについても紹介する。 提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
  論文  参考訳（メタデータ） (2024-02-02T10:34:13Z)
• Generative ensemble deep learning severe weather prediction from a deterministic convection-allowing model [0.0]
  コンボリューション・ニューラル・ネットワーク(CNN)とコンボリューション・コンボリューション・アロイング・モデル(CAM)予測を併用する。 CGANは決定論的CAM予測から合成アンサンブルメンバーを作成するように設計されている。 この手法は,BSS(Brier Skill Score)を最大20%の精度で予測できる。
  論文  参考訳（メタデータ） (2023-10-09T18:02:11Z)
• Statistical post-processing of visibility ensemble forecasts [0.0]
  局所的,半局所的,局所的に訓練された比例確率対数回帰(POLR)と多層パーセプトロン(MLP)ニューラルネットワーク分類器の予測性能について検討した。 気候学的な予測は生のアンサンブルを広いマージンで上回るが、後処理により予測スキルが大幅に向上することを示した。
  論文  参考訳（メタデータ） (2023-05-24T16:41:36Z)
• Forecast reconciliation for vaccine supply chain optimization [61.13962963550403]
  ワクチンサプライチェーン最適化は階層的な時系列予測の恩恵を受けることができる。 異なる階層レベルの予測は、上位レベルの予測が下位レベルの予測の総和と一致しないときに不整合となる。 我々は2010年から2021年にかけてのGSKの販売データを階層的時系列としてモデル化し,ワクチン販売予測問題に取り組む。
  論文  参考訳（メタデータ） (2023-05-02T14:34:34Z)
• Patch-level Gaze Distribution Prediction for Gaze Following [49.93340533068501]
  トレーニング後の視線に対するパッチ分布予測(PDP)手法を提案する。 本モデルでは,アノテーションの差が大きい画像上でのより優れたヒートマップ分布を予測することにより,MSE損失の正則化を図っている。 実験により,ターゲット予測とイン/アウト予測サブタスクのギャップを埋めるモデルが得られた。
  論文  参考訳（メタデータ） (2022-11-20T19:25:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。