Niech $ t_0 $ będzie chwilą zainteresowania, $ t _ {- 1} $ będzie trochę wcześniej niż $ t_0 $ i $ t_1 $ bądź chwilę po $ t_0 $.
Teraz nie ma pomyłki z prognozą – jeśli czas obecny wynosi $ t_0 $, prognoza na przykład $ t_1 $ wykorzystuje model, który asymiluje obserwacje na $ t_0 $, a następnie krok naprzód w czasie, aby prognozować na $ t_1 $.
Załóżmy, że teraz jest $ t_1 $. Nie wiem, co oznacza hindcast w czasie $ t_0 $. Czy uruchamiamy model od $ t_1 $, a następnie cofamy się w czasie, aby obliczyć hindcast na $ t_0 $, czy zaczynamy model od $ t _ {- 1} $, a następnie uruchom model do przodu, aby przejść do $ t_0 $?
Answer
Hindcast, również znana jako ponowna prognoza historyczna, integruje model do przodu w czasie, tak jak w przypadku prognozy, więc inicjalizujesz model przy $ t _ {- 1} $ i przechodzisz do $ t_1 $. Jeśli masz system asymilacji, który może korzystać z obserwacji na poziomie $ t_0 $, to użyje ich w taki sam sposób, jak w przypadku prognozy.
Celem prognozy jest zrobienie prognozy ponownie używając czegoś, co nie było pierwotnie dostępne. Tym czymś nowym mogą być obserwacje (do asymilacji lub weryfikacji), system asymilacji lub model prognozowania. Można ich użyć do kalibracji systemu modelowania lub po prostu do sprawdzenia, czy aktualizacje modelowania system faktycznie poprawia prognozy. Są one często wykorzystywane do studiów przypadków ekstremalnych zdarzeń lub sytuacji, o których wiadomo, że są trudne do przewidzenia; w końcu po co czekać na kolejne 1 na 30 lat, aby przetestować nowy system, skoro masz taki w archiwum, prawdopodobnie z dużą ilością danych weryfikacyjnych zgromadzonych przez lata.
Komentarze
- Dziękuję Deditos – chociaż teraz nie jestem pewien, czym różni się ta od ponownej analizy. Czytając artykuł z Wikipedii ( en.wikipedia.org/wiki/Backtesting#Hindcast ), jest tam napisane " Zrzuty na przyszłość zwykle odnoszą się do numerycznego modelu integracji okresu historycznego, w którym żadne obserwacje nie zostały zasymilowane. To odróżnia analizę wsteczną od ponownej analizy. " Czy to prawda? Czy oznacza to brak asymilacji przy $ t_0 $, czy brak asymilacji przy $ t_1 $ (ostatni interesujący okres w twoim przykładzie)? A cały okres w Twoim przykładzie, od $ t_-1 $ do $ t_1 $, to już przeszłość, prawda?
- Po pierwsze, ' Wszystkie zastrzeżenia że różne dyscypliny / aplikacje mogą używać tych terminów na różne sposoby. Ale z mojej perspektywy, analiza (lub ponowna analiza) uruchamia kombinację model / asymilacja tylko dla okna obserwacji, podczas gdy prognoza (lub ponowna prognoza) uruchamia model poza oknem obserwacji. W praktyce są to dwa kroki w tym samym systemie prognozowania. Na przykład użycie okna obserwacyjnego 09-21 UTC do sporządzenia analizy o godzinie 12 UTC, która jest następnie wykorzystywana do inicjowania bezpłatnej prognozy na 7 dni.
- Dziękuję Deditos za wyjaśnienia! Jeśli ' nie masz nic przeciwko, mam inne pytanie. Czy można " zintegrować wstecz " w czasie? Załóżmy na przykład, że dostępne są tylko obserwacje z 1 stycznia i 1 lutego. Ciekawy czas przypada na 29 stycznia. Czy należałoby użyć analizy 1 stycznia i całkować do przodu o 29 dni, czy też można w jakiś sposób wykorzystać obserwacje z 1 lutego i " cofnij się " dwa dni?
- Nie, nie możesz ' integrować modele wstecz w czas. Jeśli masz problem z początkową wartością i na pewno chcesz użyć zarówno 1 stycznia, jak i 1 lutego obs, to ' d potrzebujesz okna obserwacji obejmującego obie daty i ' d znaleźć optymalny stan początkowy na jakąś datę 1 stycznia lub wcześniej.