Låt $ t_0 $ vara tidpunkten för intresse, $ t _ {- 1} $ vara en tid innan $ t_0 $ och $ t_1 $ vara någon omedelbar tid efter $ t_0 $.
Nu finns det ingen förvirring med prognosen – om den nuvarande tiden är $ t_0 $ använder en prognos på $ t_1 $ till exempel en modell som assimilerar observationer på $ t_0 $ och steg sedan fram i tid för att göra prognosen till $ t_1 $.
Antag att nuvarande tid är $ t_1 $. Jag är förvirrad över vad en hindcast vid tiden $ t_0 $ betyder. Startar vi upp modellen på $ t_1 $ och går sedan bakåt i tiden för att beräkna hindcasten till $ t_0 $, eller startar vi upp modellen på $ t _ {- 1} $, kör sedan modellen framåt för att komma till $ t_0 $?
Svar
En hindcast, också känd som en historisk omprognos, integrerar modellen framåt i tiden precis som med en prognos, så du initialiserar modellen till $ t _ {- 1} $ och kör till $ t_1 $. Om du har ett assimileringssystem som kan använda observationer på $ t_0 $, skulle det använda dem på samma sätt som med en prognos.
Poängen med en hindcast är att göra prognosen igen med hjälp av något som inte fanns tillgängligt ursprungligen. Det nya kan vara observationer (för assimilering eller för verifiering), assimileringssystemet eller prognosmodellen. De kan användas för att kalibrera modelleringssystemet eller bara för att kontrollera att uppdateringar till modelleringen Systemet förbättrar faktiskt prognosen. De används ofta för fallstudier av extrema händelser eller situationer som är kända för att vara svåra att förutsäga. trots allt, varför vänta på nästa 1 till 30 års händelse för att testa ditt nya system när du har ett i arkivet, förmodligen med massor av verifieringsdata som samlats under åren.
Kommentarer
- Tack Deditos – men nu är jag oklar om hur hindcast skiljer sig från en omanalys. När man läser Wikipedia-artikeln ( en.wikipedia.org/wiki/Backtesting#Hindcast ) sägs det där " Hindcasting hänvisar vanligtvis till en numerisk modellintegration av en historisk period där inga observationer har assimilerats. Detta skiljer en hindcast-körning från en omanalys. " Är det rätt? Betyder detta ingen assimilering på $ t_0 $, eller ingen assimilering på $ t_1 $ (den sista tidsperioden i ditt exempel)? Och hela perioden i ditt exempel, $ t_-1 $ till och med $ t_1 $, är alla tidigare, eller hur?
- För det första ska jag ' att olika discipliner / applikationer kan använda termerna på olika sätt. Men ur mitt atmosfärsperspektiv kör en analys (eller omanalys) modellen / assimileringskombinationen endast för observationsfönstret, medan en prognos (eller omprognos) kör modellen bortom observationsfönstret. I praktiken är detta två steg i samma prognossystem. Till exempel genom att använda ett 09-21 UTC-observationsfönster för att producera en analys klockan 12 UTC, som sedan används för att initialisera en kostnadsfri prognos till sju dagar.
- Tack Deditos för förtydligandena! Om du inte ' tänker, har jag en annan fråga. Är det möjligt att " integrera bakåt " i tid? Säg till exempel att endast observationer den 1 januari och 1 februari är tillgängliga. Intressetiden råkar vara den 29 januari. Skulle man behöva använda analysen den 1 januari och integrera framåt 29 dagar, eller är det möjligt att på något sätt använda observationerna den 1 februari och " gå bakåt " två dagar?
- Nej, du kan ' t integrera modeller bakåt i tid. Om du har ett initialt värdeproblem och definitivt vill använda både 1 januari och 1 februari obs, behöver du ' ett observationsfönster som täcker båda datumen och du ' skulle hitta det optimala initialtillståndet för något datum den 1 januari eller före.