La $ t_0 $ være tidspunktet for interesse, $ t _ {- 1} $ være litt tid før $ t_0 $ og $ t_1 $ være litt øyeblikkelig etter $ t_0 $.
Nå er det ingen forveksling med prognoser – hvis nåværende tid er $ t_0 $, bruker en prognose på $ t_1 $ for eksempel en modell som assimilerer observasjoner på $ t_0 $, og gå deretter frem i tide for å gjøre prognosen til $ t_1 $.
Anta at nåværende tid er $ t_1 $. Jeg er forvirret over hva en hindcast på tiden $ t_0 $ betyr. Starter vi modellen på $ t_1 $, og går deretter bakover i tid for å beregne hindcast på $ t_0 $, eller starter vi opp modellen på $ t _ {- 1} $, kjør deretter modellen fremover for å komme til $ t_0 $?
Svar
En hindcast, også kjent som en historisk omvarsling, integrerer modellen fremover i tid akkurat som med en prognose, så du initialiserer modellen til $ t _ {- 1} $ og løper til $ t_1 $. Hvis du har et assimileringssystem som kan bruke observasjoner på $ t_0 $, vil det bruke dem på samme måte som det ville gjort med en prognose.
Poenget med en hindcast er å gjøre prognosen igjen ved å bruke noe som ikke var tilgjengelig opprinnelig. Det nye kan være observasjoner (for assimilering eller for verifisering), assimilasjonssystemet eller prognosemodellen. De kan brukes til å kalibrere modelleringssystemet eller bare for å sjekke at oppdateringer til modelleringen systemet forbedrer faktisk prognosen. De brukes ofte til studier av ekstreme hendelser eller situasjoner som det er kjent å være vanskelig å forutsi; når alt kommer til alt, hvorfor vente til den neste 1 på 30 år-hendelsen for å teste det nye systemet ditt når du har et i arkivet, sannsynligvis med mange verifiseringsdata samlet gjennom årene.
Kommentarer
- Takk Deditos – men nå er jeg uklar om hvordan hindcast skiller seg fra en analyser på nytt. Når du leser Wikipedia-artikkelen ( en.wikipedia.org/wiki/Backtesting#Hindcast ), sies det der " Hindcasting refererer vanligvis til en numerisk modellintegrasjon av en historisk periode der ingen observasjoner er assimilert. Dette skiller en hindcast run fra en reanalyse. " Er dette riktig? Betyr dette ingen assimilering på $ t_0 $, eller ingen assimilering på $ t_1 $ (den siste tidsperioden av interesse i eksemplet ditt)? Og hele perioden i eksemplet ditt, $ t_-1 $ gjennom $ t_1 $, er alt i fortiden, ikke sant?
- Først vil jeg ' advarsel at forskjellige disipliner / applikasjoner kan bruke begrepene på forskjellige måter. Men fra atmosfærens perspektiv kjører en analyse (eller omanalyse) modellen / assimileringskombinasjonen bare for observasjonsvinduet, mens en prognose (eller omvarsling) kjører modellen utover observasjonsvinduet. I praksis er dette to trinn i det samme prognosesystemet. For eksempel ved å bruke et observasjonsvindu 09-21 UTC til å lage en analyse klokka 12 UTC, som deretter brukes til å initialisere et gratis løpeprognose ut til 7 dager.
- Takk Deditos for avklaringene! Hvis du ikke har noe ', har jeg et annet spørsmål. Er det mulig å " integrere bakover " i tide? Si for eksempel at bare observasjoner 1. januar og 1. februar er tilgjengelige. Interessetiden er tilfeldigvis 29. januar. Ville man måtte bruke analysen 1. januar og integrere fremover 29 dager, eller er det mulig å bruke observasjonene på 1. februar og " gå bakover " to dager?
- Nei, du kan ' t integrere modeller bakover i tid. Hvis du har et innledende verdiproblem og definitivt vil bruke både 1. januar og 1. februar obs, trenger du ' et observasjonsvindu som dekker begge datoene, og du ' skulle finne den optimale starttilstanden for en eller annen dato 1. januar eller før.