川海智库

报告概述

本报告由世界银行发布，提出一个扩展的天气预报经济价值评估框架，在经典相对经济价值（REV）模型中引入连续预测失误（漏报和误报）的复合惩罚函数，以捕捉极端事件重复发生时损失的非线性累积以及用户信任衰减。研究将框架应用于欧洲中期天气预报中心（ECMWF）的两个运营预报系统——基于物理的集成预报系统高分辨率模型（IFS HRES）和数据驱动的人工智能预报系统（AIFS），针对南亚和南欧城市的2米温度和10米风速极端事件（超过当地90%分位数）进行为期一年的评估。报告旨在帮助决策者理解不同成本-损失比率和惩罚假设下预报系统的实际经济效用，为气象服务投资和预警系统设计提供依据。

报告的核心结论

天气预报的经济价值高度依赖于成本-损失比率和复合惩罚的假设。

报告指出，预测系统的经济价值并非由其气象技能单一决定。保护成本与潜在损失的比率以及是否考虑连续预测失误的复合惩罚（如信任衰减），会极大地改变不同预报系统的相对优势。例如，在低成本-损失比下，基于物理的IFS HRES因其高敏感性更优；而在高成本-损失比下，数据驱动的AIFS因高特异性更受青睐。

高气象技能并不自动转化为高经济价值。

报告通过对比两个预报系统发现，尽管AIFS在多数标准技能指标上优于IFS HRES，但在经济价值评估中，首选的系统会因城市、变量和成本-损失场景而变化。对于风速预测，当连续漏报的复合惩罚较强时，多数预测的经济价值可能完全消失，即使其气象技能尚可。

连续误报导致的信任惩罚会显著降低预报的经济价值。

报告引入的信任衰减机制表明，连续虚假警报会损害用户对预报的信任，从而增加后续决策成本。这种惩罚在事件概率中等至高时影响尤大，因为它只作用于基于预报的策略，而不影响“始终保护”或“从不保护”的基准。这使得实现正经济价值所需的预报技能门槛大幅提高。

温度预报的经济价值主要由成本-损失比驱动，风速预报则更受惩罚函数结构影响。

由于温度预报具有极高的特异性（低误报率），连续误报序列罕见，信任惩罚影响有限，经济价值主要随成本-损失比变化。而风速预报的敏感性和特异性均较低，连续预测失误更易发生，导致惩罚函数的选择（如线性或几何增长）对经济价值的影响甚至超过预报系统本身的差异。

报告回答的关键问题

如何评估天气预报在复合极端事件下的经济价值？

报告提出扩展的相对经济价值（REV）框架，通过引入用户自定义的惩罚函数，对连续漏报和连续误报分别施加几何或线性增长的复合成本。同时考虑信任衰减导致的保护成本增加。将预测系统与气候学基准对比，计算预期成本节约，从而评估经济价值。

数据驱动AI预报与传统数值预报相比，经济价值谁更高？

报告发现，没有绝对优势。在南亚温度预报中AIFS通常更优，但在南欧温度预报中，IFS HRES在低成本-损失比下更好，AIFS在高成本-损失比下更佳。对于风速预报，首选系统甚至随惩罚函数选择而改变。因此，经济价值比较必须结合具体场景和成本-损失假设。

为什么气象技能高的预报不一定经济价值高？

报告指出，气象技能指标如准确率、敏感性和特异性只衡量预测能力，未考虑用户保护成本和复合损失。例如，在低成本-损失比下，即使预报准确，用户可能仍选择不保护，从而无法体现价值。此外，连续预测失误的复合惩罚会侵蚀价值，尤其对于事件频率中等的情况。

成本-损失比率如何影响天气预报的经济价值？

低成本-损失比（保护成本远小于损失）下，预测价值通常较低，因为“始终保护”策略成本过高导致基准效率低下，而预测需极高技能才能超越“从不保护”。高成本-损失比下，预测价值可能较高，因为熟练的预报能为“从不保护”基线提供有价值的替代。中间比率下预测价值最大。

报告中的代表性数据

AIFS的REV在成本-损失比0.01-0.2范围内普遍高于IFS HRES

南亚城市5天温度预报的相对经济价值（无复合惩罚）

2024年3月至2025年2月，代表城市包括曼谷、德里、达卡、河内、伊斯兰堡、孟买。当成本-损失比为0.01时，AIFS的REV约为0.25-0.5，而IFS HRES多数低于0.25。此为基于超过当地90%分位数的极端事件预报。

当事件概率0.1且成本-损失比0.01时，最低准确度约0.65

实现正REV所需的最低预测准确度（几何复合惩罚，α=4）

理论场景，该图显示，同时施加连续漏报和误报的几何惩罚（α=4）时，在低事件概率和低成本-损失比下，需约0.65的总体准确度才能获得正经济价值；而无惩罚时仅需约0.55。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 经典REV框架的详细数学推导，包括2x2成本-损失决策矩阵和三种基线的定义。
  • 复合损失惩罚函数的多种形式（线性、几何、指数），以及如何将其纳入事件序列中的成本计算。
  • IFS HRES和AIFS两个预报系统的技术描述及数据来源（ECMWF文档，2024年3月至2025年2月）。
  • 南亚（曼谷、德里等6城市）和南欧（雅典、罗马等6城市）的2米温度和10米风速预报经济价值图表，涵盖四种惩罚情景和多种成本-损失比。
  • 将预报技能分解为敏感性和特异性的分析，展示不同场景下经济价值对两者的依赖。
  • 敏感性分析：使用95%分位数阈值和最近网格点插值方法验证结论的稳健性（附录B和C）。
  • 各城市和预报系统的详细技能指标表（准确率、敏感度、特异性），见附录D。
  • 研究局限性讨论，包括仅考虑连续预测误差、有限时间段和城市样本，以及未来拓展方向（如纳入集合预报、优化训练目标）。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告