## Memo - realized predictability vs intrinsic predictability - intrinsic -> 達成可能な最高の予測可能性を表す絶対的な尺度 - Lyapunov exponents - recurrence measures - network measures - information entropic measures - **entropic measures** - エントロピーに基づく従来の尺度は、複数の時間スケールで予測可能性を推定できない - そこで、マルチスケールの動的プロセスを理解する能力があるウェーブレット変換に着目する。 - 提案法：ウェーブレットと情報エントロピーを組み合わせて、ウェーブレットエントロピーエネルギー測定(WEEM)と呼ばれる新しい測定法 ## Abstract 本質的予測可能性は、時系列に含まれる固有の情報を定量化するために不可欠であり、最良の予測を得るために異なる予測手法のパフォーマンスを評価するのに役立つ。モデル予測性能は、成功確率の尺度である。とはいえ、モデル・パフォーマンスやモデルは予測改善のための理解を提供するものではありません。直感的には、固有予測可能性は時系列に対して最高レベルの予測可能性を提供し、システムが予測不可能であるか、選択したモデルが不適切な選択であるかを明らかにする上で有益である。我々は、時系列の固有予測可能性を定量化するために、ウェーブレット変換と情報エントロピーに基づく新しい尺度、ウェーブレット・エントロピー・エネルギー尺度（WEEM）を導入する。提案尺度の効率性と信頼性を調べるために、ウェーブレットネットワークアプローチによりモデル予測性能を評価した。提案する尺度は、異なるスケールにおける時系列のウェーブレットエネルギー分布を用い、時系列を決定論的かランダムかを定量化するために、ホワイトノイズのウェーブレットエネルギー分布と比較する。決定論的時系列、非定常時系列、ノイズ・シグナル比の異なるホワイトノイズ混入時系列など、様々な時系列を用いてWEEMを検証する。さらに、WEEMと、予測性能の尺度として広く知られているナッシュ-サトクリフ効率との関係を構築する。WEEMの信頼性は、ロジスティック・マップや実世界のデータとの関係を調べることによって実証される。