比较2 d领域——如何量化相似?

Question

我有一个数组描述预测和观察的地理空间数据(如降水强度、云领域……)。包括四个动态gif,每个循环之间来回观察(降水)&预测覆盖观测的周期。四个预测质量变化明显(从极好的在第一种情况下可怕的第四)。

我想有一些的方式系统地量化两个数组之间的相似性(如之间的观察及其相关的预测)。我真的不知道任何更复杂的方法比简单地把两个数组的区别(归一化,如除以的意思是第一个)。

问题是,“得分”以这种方式预测情况下# 3、# 4同样糟糕的是,尽管从目视检查情况比# 4 # 3似乎更好。云在轻微错误的地方(例如德国中部的,或在瑞士和奥地利西部,以防# 3)得分同样糟糕的那些完全错误的地方,或者干脆缺席。

理想情况下,我想要一些衡量一个图像需要的最少“变形”产生另一个,但我不知道如何处理,在一种系统化的方式。

Answer 1

模型数据刚毛在几个方面可以改变从一个参考数据集。泰勒图直观地比较多个数据集的输出一个参考的数据集(例如,模型实验观察)。这是通过利用集中均方根之间的几何关系,相关性,和标准偏差计算数据集之间的差异。泰勒几个软件包存在生产图。

维基:https://en.wikipedia.org/wiki/Taylor_diagram

出版:https://agupubs.onlinelibrary.wiley.com/doi/abs/10.1029/2000JD900719

python,例如:https://pypi.org/project/SkillMetrics/

Answer 2

你想做的回归分析二维数据。的r ^ 2美元确定系数值通常用于一维数据。r ^ 2 = 1美元意味着一个完美的匹配r ^ 2 = 0美元意味着没有相关性。r ^ 2美元可用于二维数据;我不知道。另一个例子是Kolmogorov-Smirnov测试。

这些都不是,不幸的是,我了解但希望这将你正确的方向。我所知道的是,这种分析是经常用于这种情况评估模型输出。

我发现了一个1988年科学论文由威廉·h·出版社和扫罗Teukolsky资格Kolmogorov-Smirnov测试二维数据:如何判断一组(x, y)数据点与一个特定的概率分布相一致,或与另一个数据集

本文给出了一个数值方法,基本上是一种算法,来把这个应用到您的数据。这不是在现代编程语言,但你应该能够编写基于描述的等效。的R编程语言甚至可能有一个内置的解决方案。

答案纸应该做你想做的事情,但是否最好的的方法,我也不知道。