BriefGPT - AI 论文速递
·
利用加权评分规则训练统计后处理模型改进极端风速的概率预测
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
通过调整训练程序并使用阈值加权连续排序概率评分（twCRPS），改进了极端风速概率预测的统计后处理模型。加权训练和线性池化策略平衡了性能提升与分布主体预测性能恶化之间的问题。结果将提高概率预测模型在极端事件和其他感兴趣的事件上的性能。
🎯
关键要点
- 通过调整训练程序，改进了极端风速概率预测的统计后处理模型。
- 使用阈值加权连续排序概率评分（twCRPS）提高模型对极端事件的性能。
- 引入加权训练和线性池化策略，平衡性能提升与分布主体预测性能恶化的问题。
- 进行合成实验以解释twCRPS的训练影响，并推导出分布的twCRPS的闭式表达式。
- 研究结果将帮助提高概率预测模型在极端事件和其他感兴趣事件上的性能。
➡️
