Fie $ t_0 $ momentul instant de interes, $ t _ {- 1} $ să fie cu ceva timp înainte de $ t_0 $ și $ t_1 $ să fie o dată instantanee după $ t_0 $.
Acum nu există confuzie cu prognoza – dacă ora actuală este $ t_0 $, o prognoză la $ t_1 $, de exemplu, folosește un model care asimilează observații la $ t_0 $, apoi faceți un pas înainte în timp pentru a face prognoza la $ t_1 $.
Să presupunem că acum timpul este de $ t_1 $. Sunt confuz cu privire la ceea ce înseamnă un retrograd la timp $ t_0 $. Pornim modelul la $ t_1 $, apoi mergem înapoi în timp pentru a calcula retrogradarea la $ t_0 $ sau pornim modelul la $ t _ {- 1} $, apoi rulați modelul înainte pentru a ajunge la $ t_0 $?
Răspuns
Un hindcast, de asemenea cunoscut sub numele de re-prognozare istorică, integrează modelul în timp la fel ca și cu o prognoză, astfel încât să inițializați modelul la $ t _ {- 1} $ și să rulați până la $ t_1 $. Dacă aveți un sistem de asimilare care poate face uz de observații la $ t_0 $, atunci le-ar folosi în același mod în care ar fi cu o prognoză.
Scopul unui retrograd este să faceți prognoza din nou folosind ceva care nu era disponibil inițial. Acel ceva nou ar putea fi observații (pentru asimilare sau pentru verificare), sistemul de asimilare sau modelul de prognoză. Acestea pot fi utilizate pentru a calibra sistemul de modelare sau doar pentru a verifica dacă actualizările la modelare sistemul îmbunătățește de fapt prognoza. Acestea sunt adesea utilizate pentru studii de cazuri de evenimente extreme sau situații despre care se știe că sunt dificil de prognozat; la urma urmei, de ce să așteptați următorul eveniment din 1 în 30 de ani pentru a testa noul dvs. sistem atunci când aveți unul în arhivă, probabil cu o mulțime de date de verificare acumulate de-a lungul anilor.
Comentarii
- Mulțumesc Deditos – deși acum nu știu clar în ce fel difuzia posterioară de o reanaliză. Citind articolul Wikipedia ( en.wikipedia.org/wiki/Backtesting#Hindcast ), se spune că acolo " Hindcastingul se referă de obicei la integrarea unui model numeric al unei perioade istorice în care nu au fost asimilate observații. Acest lucru distinge o alergare din urmă de o reanaliză. " Este corect? Înseamnă aceasta nicio asimilare la $ t_0 $ sau nicio asimilare la $ t_1 $ (ultima perioadă de timp de interes în exemplul dvs.)? Și întreaga perioadă din exemplul dvs., $ t_-1 $ până la $ t_1 $, sunt toate în trecut, nu?
- În primul rând, voi ' voi avertiza că diferite discipline / aplicații pot folosi termenii în moduri diferite. Dar, din perspectiva mea atmosferică, o analiză (sau re-analiză) execută combinația de model / asimilare numai pentru fereastra de observare, în timp ce o prognoză (sau re-prognoză) execută modelul dincolo de fereastra de observare. În practică, aceștia sunt doi pași în același sistem de prognoză. De exemplu, folosind o fereastră de observare 09-21 UTC pentru a produce o analiză la 12 UTC, care este apoi utilizată pentru a inițializa o prognoză de rulare gratuită până la 7 zile.
- Vă mulțumim Deditos pentru clarificări! Dacă nu vă deranjează ', am o altă întrebare. Este posibil să " să se integreze înapoi " în timp? De exemplu, să spunem că sunt disponibile doar observațiile de la 1 ianuarie și 1 februarie. Momentul de interes se întâmplă să fie 29 ianuarie. Ar trebui să folosiți analiza la 1 ianuarie și să integrați înainte 29 de zile sau este posibil să folosiți cumva observațiile de la 1 februarie și " merge înapoi " două zile?
- Nu, nu poți ' să integrezi modelele înapoi în timp. Dacă aveți o problemă de valoare inițială și doriți cu siguranță să utilizați atât obs 1 ianuarie, cât și 1 februarie, atunci aveți nevoie de ' o fereastră de observare care să acopere ambele date și ' ar fi găsirea stării inițiale optime pentru o anumită dată la 1 ianuarie sau înainte.