误差的计算方法

不同的HPC程序有不同的方法去度量结果的准确性。下面介绍通用的误差计算方法，也是wrf使用的方法。

下列公式中的x、y表示待比较的两个数据集。

• 平均误差ME（Mean Error）：数值越小越好。

  

• 平均绝对误差MAE（Mean Absolute Error）：数值越小越好，0代表完全一致。

  

• 均方根误差RMSE（Root Mean Square Error）：表示两个结果的相对偏差大小，数值越小说明两者越接近，0表示完全一致。

  

• 空间相关系数SCC（Space Correlation Coefficient，即pearson相关系数）：用来衡量两个数据集合是否在一条线上面，它用来衡量定距变量间的线性关系。若相关系数等于0，只能说x与y之间无线性相关关系。相关系数的绝对值越大，相关性越强，相关系数越接近于1或-1，相关度越强，相关系数越接近于0，相关度越弱。

  

  

WRF应用评估工具

• diffwrf：WRF自带工具，能够对比两个WRF数据集的差异。

  使用diffwrf对比两个WRF运行结果文件：

  图1 diffwrf运行结果
  
• Next Time：表示在该时间的天气预报结果。
• Field：WRF的各个气象要素，各个变量的具体含义可以查询wrf官方文档。

基于NetCDF库的量化评估脚本，diffwrf无法显示SCC指标，根据SCC的数学定义，可以手动实现一个评估脚本。使用量化评估脚本对比两个wrf运行结果文件：

图2 量化评估脚本运行结果