我花了四个月 调制一个定制的天气组合。
比猜想还糟糕 修补不是更好的组合。
它承认有人已经造了正确的东西 并免费赠送它。
我建造的东西和它失败的原因 最初的天气bot计算出预测成员.
它抽取了四个系统的原始产出:GFS、AIGES、EMMWF IFS和AIFS。
每个合同最多164个个人模拟。
逻辑很简单。
如果4个系统中至少有3个商定了方向,则该机器人进行交易.
如果他们不同意,那它就停了下来。
这听起来很合理。
事实并非如此。
我通过这个系统完成了112个交易 并以Brier得分得分 模型得分为0.2858分.
预测历史基准率,完全没有模型,得分为0.2439分.
低点更好 我的模型比没有预测更糟糕 问题不在于方向。
方向是正确的大约60%的时间。
问题在于信心。
该模型将其概率2.1至4.0倍过于狭窄.
本来可以肯定的是何时应该不确定。
在预测市场,信心大小的赌注。
一个过于自信的模型 在错误的呼声下交易太大 自信错误的呼唤比自信正确的呼唤要多.
网格点层也存在系统性温度偏差,在华氏7度左右达到顶峰.
模型倾斜的温暖方式 在数据中没有。
这是在模型。
在建造东西之前,我应该先检查一下我建造的东西是否已经以更好的形式存在。
NOAA出版"国家模型组合".
它融合了几十个预报系统,并应用了任何单个模型都无法匹配的统计后处理.
它产生校正,偏差校正,站级概率温度向导.
确切地说,卡尔希的车站就位了。
免费的。
NBM已经做了我想做的了 它纠正了我衡量的偏差。
它产生了不确定性范围 我与成员计算近似。
它运行于单个站台级别,而不是网格点级别,这完全消除了七度偏差问题.
我花了几个月的时间来调整一个成员计数方法, 当正确的答案是一个公共产品,我可以在任何时候下载。
为什么成员计数是错误 计数组合成员是诱人的。
感觉很僵硬 你们正在比较164个独立预测。
这必须比一个好。
事实并非如此。
成员并不独立,这很重要。
他们有系统性的偏见。
如果GFS运行温暖,所有31个GFS成员运行温暖.
如果ECMWF在LAX有海洋地层问题,那么所有51个ECMWF成员都有同样的问题.
同一模式成员之间的协议告诉你该模式在内部是一致的.
它没有告诉你模型是正确的。
NBM在源头解决了这个问题.
它不计算成员。
它利用统计后处理,根据每个站的观测结果来校准每个模型。
产出不是表决。
这是一种精确的概率分布,有诚实的不确定性范围。 "164预测同意"和"一分校概率分布"的区别是置信度和校正度的区别.
我的综艺节目很自信 NBM是校正的。
在预测市场中,校正才是赚钱的本领.
自信是失去它的东西。
重建看起来像V2.5气象机器人 运行在NBM上作为主要来源。
NBM重量为0.75. 5个原始模型以0.25的相加重量作为分歧检查坐在后面:GFS、AIGES、EMMWF IFS、AIFS、HRRR。
他们以前是模特 现在他们正在对模型进行理智检查 机器人扫描了291个天气系列,覆盖了20个城市.
旧的扫描仪在"气候与天气"的实际值时要求"气候"类别.
它没有匹配。
一个倒计时扫描了原始目录,每个日志线看起来都正常,而机器人看到的是291系列中的39至63个.
这是固定的。
NBM的覆盖范围从24小时预报开始.
当天的市场在里面