Prévision probabiliste et vérification : fondements et pratique
- Niveau
- L2 Intermédiaire
- Temps d'étude
- environ 24 heures (estimation de planification)
- Statut
- Prévu
- Prérequis
- Un cours de niveau L1 dans le domaine, ou un examen d'entrée
Les ensembles hybrides physiques et d'apprentissage automatique modifient la manière dont l'incertitude des prévisions est produite et doit être validée.
Acquis d'apprentissage
- Définir la règle de score propre et les autres termes clés de la discipline, et les employer correctement dans une étude de cas rédigée
- Explain probabilistic and ensemble forecasts and proper scoring rules (Brier, CRPS, logarithmic) with a worked example and its source
- Appliquer la méthode de la discipline à un cas documenté et expliquer chaque résultat avec sa source
- Analyser un cas nommé à l'aide de diagrammes de calibration, de finesse et de fiabilité, en indiquant les données probantes, la date et les limites
Modules
-
Prévisions probabilistes et d'ensemble
- Prévisions probabilistes et d'ensemble
- Proper scoring rules (Brier, CRPS, logarithmic)
- Calibration, sharpness and reliability diagrams
-
Discrimination, ROC curves and hit and false alarm rates
- Discrimination, ROC curves and hit and false alarm rates
- Verification of categorical warnings and triggers
- Forecast value and the cost-loss model
-
Post-processing and statistical calibration of ensembles
- Post-processing and statistical calibration of ensembles
- Prévisions météorologiques et d'aléas par apprentissage automatique, et leur vérification
- Forecast combination and model averaging
-
Laboratoire : la méthode de la discipline
- Une prévision probabiliste devient une alerte à partir d'un seuil ; vérifiée au regard des résultats observés, elle présente un taux de détection et un taux de fausses alertes ; pour un utilisateur qui supporte un coût pour se protéger contre une perte, ces deux taux et la fréquence climatologique donnent la valeur économique de la prévision, qui n'est positive que pour les utilisateurs dont le rapport coût-perte se situe dans une certaine plage.
- Appliquer la méthode à un cas documenté et expliquer chaque résultat
- Lire les sources de la méthode et les valeurs indiquées
Laboratoires avec les outils de l'Academy
Méthode
- D'une prévision probabiliste à sa valeur pour un utilisateur : succès, fausses alertes et rapport coût-perte qui trancheLa méthode de la discipline, présentée sur la page de la discipline avec ses sources citées, appliquée à un cas documenté
Instrument
- Ajusteur de distributionUn instrument de la faculté, sur la page de la faculté, exécuté sur les données du jumeau numérique de la faculté
- Période de retourUn instrument de la faculté, sur la page de la faculté, exécuté sur les données du jumeau numérique de la faculté
Constructeur de jumeau
- Constructeur de jumeau numériqueConstruire le lieu de la faculté en 3D, activer ou désactiver les couches et lire les crédits et les dates de chacune
Couche cartographique
- Séismes M4.5+, semaine écoulée (USGS)Une couche cartographique ouverte admise par le registre des licences de l'Academy, lue dans les outils cartographiques
- Événements naturels (NASA EONET)Une couche cartographique ouverte admise par le registre des licences de l'Academy, lue dans les outils cartographiques
- Densité de population, 2020 (GPW v4.11)Une couche cartographique ouverte admise par le registre des licences de l'Academy, lue dans les outils cartographiques
Salle Foundry
- Forecast Verification room, NXS-EWSSkill, reliability and value of probabilistic forecasts by lead time
- Salle Benchmarks, NXS-LABTests comparatifs qui évaluent des méthodes de prévision sur les mêmes événements
Évaluation
- 40%
Compte rendu de laboratoire
Appliquer la méthode de la discipline à un cas documenté et expliquer chaque résultat avec sa source et sa date
- 40%
Note de cas
Appliquer les méthodes de la discipline à un lieu ou à une organisation nommés, en précisant les données probantes et les limites
- 20%
Contrôle des termes clés
Réponses courtes sur les termes clés, notées par rapport aux définitions
Mode de dispensation
- En ligne à votre rythme, avec les laboratoires dans le navigateur
- Étude en cohorte sur six à huit semaines, avec une revue de laboratoire hebdomadaire
- Co-dispensé avec une institution partenaire, dans le cadre de ses propres cours
Devenir partenaire de ce cours
- Co-enseigner un module et apporter un cas actuel tiré de votre travail
- Accueillir une cohorte pour vos apprenants, avec votre propre calendrier et votre propre évaluation
- Contribuer un laboratoire : un jeu de données que votre institution publie en accès ouvert, ou un modèle
- Examiner le contenu du cours et ses références avant son ouverture
- Traduire le cours et adapter ses cas à votre région
Comment les institutions et les experts participent
Dans le LMS de l'Academy
- Course on the learning platform
- Intermediate, 4 sections
- Groupe de cohorte
- A community group for each cohort of learners
- Réalisation
- Recorded on completion of the assessed work
Références 4
- Centre européen pour les prévisions météorologiques à moyen terme, les prévisions d'ensemble par IA du CEPMMT deviennent opérationnelles,
- Richardson, Skill and relative economic value of the ECMWF ensemble prediction system, Quarterly Journal of the Royal Meteorological Society, 2000
- Gneiting, Balabdaoui et Raftery, Probabilistic forecasts, calibration and sharpness, Journal of the Royal Statistical Society B, 2007
- Murphy, What is a good forecast? An essay on the nature of goodness in weather forecasting, Weather and Forecasting, 1993