확률 예측과 검증: 기초와 실무
- 단계
- L2 중급
- 학습 시간
- 약 24시간(계획 추정치)
- 상태
- 계획됨
- 선수 조건
- 해당 분야의 L1 과정 또는 입문 심사
물리 기반과 머신러닝을 결합한 하이브리드 앙상블은 예보 불확실성을 만들어 내고 검증하는 방식을 바꿉니다.
European Centre for Medium-Range Weather Forecasts, ECMWF's ensemble AI forecasts become operational,
학습 성과
- Define proper scoring rule and the other key terms of the discipline and use them correctly in a written case
- Explain probabilistic and ensemble forecasts and proper scoring rules (Brier, CRPS, logarithmic) with a worked example and its source
- 학문 분야의 방법을 문서화된 사례에 적용하고 각 결과를 출처와 함께 설명합니다
- 증거, 날짜, 한계를 명시하여 지정된 사례를 보정도, 예리도, 신뢰도 도표에 비추어 분석합니다
모듈
-
확률 예측 및 앙상블 예측
- 확률 예측 및 앙상블 예측
- 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
-
앙상블의 후처리와 통계적 보정
- 앙상블의 후처리와 통계적 보정
- Machine-learning weather and hazard forecasts and their verification
- Forecast combination and model averaging
-
랩: 학문 분야의 방법
- 확률 예보는 임계값에서 경보가 됩니다. 결과와 대조해 검증하면 적중률과 오경보율이 산출됩니다. 손실을 막기 위해 비용을 지불하는 사용자에게는 이 두 비율과 기후학적 빈도가 예보의 경제적 가치를 결정하며, 이 가치는 비용 대 손실 비율이 일정 범위 안에 있는 사용자에게만 양(+)의 값을 가집니다.
- 문서화된 사례를 통해 방법을 적용하고 각 결과를 설명합니다
- 방법의 출처와 명시된 값 읽기
Academy 도구를 활용한 랩
방법
- 확률 예보에서 이용자에게 주는 가치까지: 적중, 오경보와 판단을 가르는 비용-손실 비율분야 페이지에 실린 해당 분야의 방법론을, 인용 출처와 함께 문서화된 사례로 풀어 설명합니다
도구
트윈 빌더
- 디지털 트윈 빌더학부의 장소를 3D로 구축하고, 레이어를 전환하며, 각 레이어의 출처 표기와 날짜를 확인합니다
지도 레이어
- 규모 4.5 이상 지진, 지난 1주(USGS)Academy의 라이선스 등록부가 승인한 개방형 지도 레이어로, 지도 도구에서 읽습니다
- 자연 사건(NASA EONET)Academy의 라이선스 등록부가 승인한 개방형 지도 레이어로, 지도 도구에서 읽습니다
- 인구 밀도, 2020년(GPW v4.11)Academy의 라이선스 등록부가 승인한 개방형 지도 레이어로, 지도 도구에서 읽습니다
Foundry 룸
- Forecast Verification room, NXS-EWSSkill, reliability and value of probabilistic forecasts by lead time
- Benchmarks room, NXS-LABBenchmarks that score forecast methods on the same events
평가
- 40%
랩 기록
문서화된 사례를 통해 학문 분야의 방법을 적용하고 각 결과를 출처 및 날짜와 함께 설명합니다
- 40%
사례 메모
학문 분야의 방법을 특정 장소나 조직에 적용하고 근거와 한계를 밝힙니다
- 20%
핵심 용어 확인
핵심 용어에 대한 단답형 문항으로, 정의에 따라 채점합니다
운영 방식
- 자기 주도 온라인 학습, 브라우저에서 진행하는 랩
- 여섯 주에서 여덟 주에 걸친 코호트 학습과 주간 랩 검토
- 파트너 기관과 공동으로, 해당 기관의 자체 과정 안에서 운영
이 과정의 파트너 되기
- 모듈을 공동으로 가르치고 업무에서 얻은 최근 사례를 가져오십시오
- 학습자를 위한 코호트를 자체 일정과 검토로 운영하기
- 랩 기여하기: 기관이 공개적으로 게시하는 데이터셋 또는 모형
- 공개 전에 과정 내용과 참고문헌을 검토하기
- 과정을 번역하고 사례를 지역에 맞게 조정하기
Academy LMS에서
- Course on the learning platform
- Intermediate, 4 sections
- 코호트 그룹
- A community group for each cohort of learners
- 성과
- Recorded on completion of the assessed work
참고문헌 4
- European Centre for Medium-Range Weather Forecasts, ECMWF's ensemble AI forecasts become operational,
- Richardson, Skill and relative economic value of the ECMWF ensemble prediction system, Quarterly Journal of the Royal Meteorological Society, 2000
- Gneiting, Balabdaoui and 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