BMA方法
贝叶斯模型平均(Bayesian Model Averaging,BMA)预报模型可表示为如下的多模式概率预报加权平均的形式:
p(y|f1, ,fK,y)=∑wkpk(y|(fk,y))
T
T
k=1
K
权重是相应模型的后验概率,代表每个模型在模型训练阶段的相对的预报技巧; 需要估算每一个成员预报的条件概率函数的权重与方差; 确定性预报是PDF的均值或中位数。
BMA方法
贝叶斯模型平均(Bayesian Model Averaging,BMA)预报模型可表示为如下的多模式概率预报加权平均的形式:
p(y|f1, ,fK,y)=∑wkpk(y|(fk,y))
T
T
k=1
K
权重是相应模型的后验概率,代表每个模型在模型训练阶段的相对的预报技巧; 需要估算每一个成员预报的条件概率函数的权重与方差; 确定性预报是PDF的均值或中位数。
下一篇:成型参数点检表