Long-term forecasting of El Niño events via dynamic factor simulations
通过动态因子模拟长期预测厄尔尼诺事件AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确以动态因子模型模拟预测误差并开展中长期及类别预测，直接对应因子模型与预测方法，应用对象为气候序列。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
通过动态因子模拟长期预测厄尔尼诺事件
- 研究问题
- 如何利用 Niño3.4 序列与其他气候变量的动态联系，提高其中长期数值预测精度，并预测厄尔尼诺事件类别？
- 方法与思路
- 作者先由单变量模型生成预测误差，再通过误差与解释变量的动态因子模型模拟信号路径，构造集合序列，并平均各序列预测。
- 材料陈述的贡献
- 摘要提出三阶段预测程序，同时得到数值序列和事件类别预测，并报告相对于其他计量预测方法可能具有更好表现的实证证据。
- 阅读关注点
- 应核对动态因子的输入与估计方式、模拟误差如何构造集合序列，以及预测期限、样本外设计和事件分类标准。
- 阅读边界
- 仅据所给出版社摘要，无法判断改善出现在哪些期限或指标，也无法确认比较方法、样本及气候变量的信息可得性。
原文摘要
We propose a new forecasting procedure which particularly explores opportunities for improving the precision of medium and long-term forecasts of the Niño3.4 time series that is linked with the well-known El Niño phenomenon. This important climatic time series is subject to an intricate dynamic structure and is interrelated to other climatological variables. The procedure consists of three steps. First, a univariate time series model is considered for producing prediction errors. Second, signal paths of the prediction errors are simulated via a dynamic factor model for the errors and explanatory variables. From these simulated errors, ensemble time series for Niño3.4 are constructed. Third, forecasts are generated from the ensemble time series and their sample average is our final forecast. As part of these dynamic factor simulations, we also obtain the forecast of the El Niño event which is a categorical variable. We present empirical evidence that our procedure can be superior in its forecasting performance when compared to other econometric forecasting methods.