5−4.予報精度の評価

 予報が実際どの程度当たっているかを評価することは、予報の手法が適切であるかを知るためにも重要なことです。以下、それぞれの予報の分類ごとに予報精度の評価手法を紹介します。

  1. カテゴリー予報の評価方法
  2.  

    分割表と呼ばれる図のような表を作成して、次の割合を計算します。

    予報
    現象あり 現象なし
    実況 現象あり
    A
    B
    現象なし
    C
    D
    1. 適中率=(A+D)/N
    2. 見逃し率=B/N
    3. 空振り率=C/N
    4. スレットスコア=A/(A+B+C)
    5. バイアススコア=(A+C)/(A+B)
    6. スキルスコア=(S−Sc)/(N−Sc)

     ただし、N=A+B+C+D、Sc={(A+B)(A+C)+(C+D)(B+D)}/N、S=A+D

     当然、適中率が高く、見逃し率や空振り率が低い方が予報はよく当たっていることになります。ただ、防災上の見地から、注意報・警報などの防災情報の場合は、空振り率よりも見逃し率を小さくする方が重要になります。また、現象が発生する確率が小さい現象の場合には、スレットスコアを用いて予報の正確さを把握します。バイアススコアは1に近いほど予報に偏りがないことを示しています。スキルスコアは予報の難易度を除去して精度を評価し、1が完全予報、0がランダム予報となります。

  3. 量的予報の評価方法
  4.  次の二種類の評価方法があります。

    • 平均2乗平方根誤差(RMSE)
    • ただし、Fiは予報値、Aiは実況値、Nは予測回数です。

    • 平均予報誤差(バイアス)
    •  平均予報誤差では、値が前後する場合に平均すると誤差がプラスマイナスで相殺されてしまう可能性があるので、あまり使われません。いずれも、値が小さいほど精度が良いことになります。

  5. 確率予報の評価方法


    • ブライアスコア:実況値Aiは現象が起こればと1、なければ0とします。
    • これも値が小さいほど精度は良いことになります。