Lad $ t_0 $ være tidspunktet for interesse, $ t _ {- 1} $ være et stykke tid før $ t_0 $ og $ t_1 $ være noget øjeblik i tiden efter $ t_0 $.
Nu er der ingen forveksling med prognosen – hvis det nuværende tidspunkt er $ t_0 $, bruger en prognose på $ t_1 $ for eksempel en model, der assimilerer observationer på $ t_0 $, og gå derefter frem i tide for at gøre prognosen til $ t_1 $.
Antag, at den nuværende tid er $ t_1 $. Jeg er forvirret over, hvad en hindcast på tidspunktet $ t_0 $ betyder. Starter vi modellen på $ t_1 $, og går derefter baglæns i tiden for at beregne hindcast på $ t_0 $, eller starter vi modellen på $ t _ {- 1} $, kør derefter modellen fremad for at komme til $ t_0 $?
Svar
En hindcast, også kendt som en historisk genprognose, integrerer modellen fremad i tiden ligesom med en prognose, så du initialiserer modellen til $ t _ {- 1} $ og løber igennem til $ t_1 $. Hvis du har et assimilationssystem, der kan bruge observationer på $ t_0 $, ville det bruge dem på samme måde som med en prognose.
Pointen med en hindcast er at lave prognosen igen ved hjælp af noget, der ikke var tilgængeligt oprindeligt. Det nye kan være observationer (til assimilation eller til verifikation), assimilationssystemet eller prognosemodellen. De kan bruges til at kalibrere modelleringssystemet eller bare for at kontrollere, at opdateringer til modelleringen systemet forbedrer faktisk prognosen. De bruges ofte til casestudier af ekstreme begivenheder eller situationer, der vides at være vanskelige at forudsige; når alt kommer til alt, hvorfor vente til den næste 1 ud af 30 års begivenhed for at teste dit nye system, når du har et i arkivet, sandsynligvis med masser af verificeringsdata akkumuleret gennem årene.
Kommentarer
- Tak Deditos – men nu er jeg uklar om, hvordan hindcast adskiller sig fra en genanalyse. Når man læser Wikipedia-artiklen ( en.wikipedia.org/wiki/Backtesting#Hindcast ), siges det der " Hindcasting refererer normalt til en numerisk modelintegration af en historisk periode, hvor ingen observationer er blevet assimileret. Dette adskiller en hindcast-kørsel fra en reanalyse. " Er dette rigtigt? Betyder dette ingen assimilation på $ t_0 $ eller ingen assimilering på $ t_1 $ (den sidste tidsperiode af interesse i dit eksempel)? Og hele perioden i dit eksempel, $ t_-1 $ thru $ t_1 $, er alle i fortiden, ikke?
- Først skal jeg ' ll advarsel at forskellige discipliner / applikationer kan bruge udtrykkene på forskellige måder. Men fra mit atmosfæriske perspektiv kører en analyse (eller re-analyse) modellen / assimileringskombinationen kun for observationsvinduet, mens en prognose (eller re-prognose) kører modellen ud over observationsvinduet. I praksis er dette to trin i det samme prognosesystem. For eksempel ved hjælp af et 09-21 UTC observationsvindue til at producere en analyse kl. 12 UTC, som derefter bruges til at initialisere en gratis kørselsprognose ud til 7 dage.
- Tak Deditos for afklaringerne! Hvis du ikke har noget ', har jeg et andet spørgsmål. Er det muligt at " integrere bagud " i tide? Sig f.eks. Kun observationer den 1. januar og 1. februar er tilgængelige. Interessetiden er tilfældigvis den 29. januar. Skal man bruge analysen den 1. januar og integrere 29 dage fremad, eller er det muligt på en eller anden måde at gøre brug af observationerne den 1. februar og " gå bagud " to dage?
- Nej, du kan ' t integrere modeller bagud i tid. Hvis du har et indledende værdiproblem og bestemt vil bruge både 1. januar og 1. februar obs, skal du ' have brug for et observationsvindue, der dækker begge datoer, og du ' skulle finde den optimale starttilstand for en dato den 1. januar eller før.