ERC Advanced Grant ScienceFore – Die Wissenschaft der Vorhersage
Im Angesicht unvermeidbarer Unsicherheiten sollten Vorhersagen probabilistisch sein, d.h., Prognosen sollten die Form von Wahrscheinlichkeitsverteilungen über zukünftige Ereignisse und Größen annehmen. Dementsprechend erleben wir einen transdisziplinären Paradigmenwechsel von deterministischen oder Punktvorhersagen hin zu probabilistischen Vorhersagen. Das vom Europäischen Forschungsrat (ERC) geförderte ScienceFore Projekt sucht diese Entwicklungen nachhaltig zu unterstützen, indem es theoretische Grundlagen für wissenschaftlich fundierte Vorhersagen begründet, eine Vorreiterrolle in der Entwicklung entsprechender statistischer Methoden einnimmt und diese in wichtigen Anwendungsproblemen zum Einsatz bringt.
Auf der theoretischen Seite untersuchen wir Aggregationsverfahren für die Kombination von probabilistischen Vorhersagen und beschäftigen uns mit der Entwicklung und der Struktur von Gütemaßen, welche wahrheitsgetreue und sorgfältige Vorhersagen fördern, wie etwa korrekte Bewertungsregeln. Methodisch und in Anwendungen entwickeln wir Verfahren zur statistischen Nachbearbeitung des THORPEX Interactive Grand Global Ensemble (TIGGE), welches die international führenden globalen numerischen Wetterprognose-Modelle umfaßt. Dabei gilt es, physikalisch realistische und kohärente Abhängigkeitsstrukturen zwischen den Wettervariablen, über Kontinente und Ozeane und über Vorhersagehorizonte hinweg zu erhalten. Ferner untersuchen wir den Einsatz statistischer Nachbearbeitungsverfahren in makroökonomischen Expertenbefragungen.
Theorie und Anwendungen ergänzen und unterstützen sich dabei gegenseitig. So haben die Eigenschaften von Aggregationsverfahren Auswirkungen auf die Entwicklung von Nachbearbeitungsverfahren für numerische Wetterprognose-Modelle, und entscheidungstheoretisch fundierte Ansätze für Gütemaße lassen die Praxis von Punktvorhersagen in neuem Licht erscheinen.
This project has received funding from the European Union’s Seventh Framework Programme for research, technological development and demonstration under grant agreement no 290976.
powered by Borlabs Cookie