Eine Einführung in die multivariate probabilistische Vorhersagebewertung

Die probabilistische Vorhersage wird zunehmend wichtiger für eine Vielzahl von Anwendungen, insbesondere für Energiesysteme wie die Vorhersage der Windstromproduktion. Daraus ergibt sich natürlich der Bedarf an einer ordnungsgemäßen Bewertung probabilistischer Vorhersagen, da die Bewertung der Schlüssel zur Verbesserung der Vorhersagen ist. Obwohl bereits viele ausgezeichnete Übersichtsarbeiten und Forschungspapiere zur Bewertung probabilistischer Vorhersagen existieren, zeigen wir, dass es Bedarf an einer Einführung mit praktischen Anwendungen gibt. Insbesondere sind viele Vorhersageszenarien in Energiesystemen von Natur aus multivariat, und während univariate Bewertungsmethoden gut verstanden und dokumentiert sind, wurde nur begrenzt und verstreut an ihren multivariaten Gegenstücken gearbeitet. Dieses Papier enthält daher eine Übersicht über eine ausgewählte Reihe von Methoden zur Bewertung probabilistischer Vorhersagen, hauptsächlich Bewertungsregeln, sowie praktische Abschnitte, die erklären, wie diese Methoden berechnet und geschätzt werden können. In drei Fallstudien mit einfachen autoregressiven Modellen, stochastischen Differentialgleichungen und echten Windstromdaten setzen wir den logarithmischen Score, den kontinuierlichen Rangwahrscheinlichkeitsscore und den Variogrammscore für Vorhersageprobleme unterschiedlicher Dimension um, wenden sie an und diskutieren sie. Schließlich werden die Vor- und Nachteile der drei Bewertungsregeln hervorgehoben, und dies stellt einen bedeutenden Schritt in Richtung der Entscheidung für eine Bewertungmethode für ein gegebenes multivariates Vorhersageszenario dar, einschließlich der für Energiesysteme relevanten Vorhersageszenarien.