我该如何解释每小时降水预测?
大多数时候,当天气预报有雨,降水的最大概率(流行)每小时的预测与日常流行。
我的问题是,每小时的流行预测通常有几个小时,最大的概率。如果我天真地为每小时添加的几率越来越湿,我总是得到一个总概率远高于日常流行的价值。
例如,以一个假想的天,每日预测有50%的流行。同一天,每小时预测4小时每小时50%的流行。如果我计算机会得到雨水的至少一个4小时,我得到93%的流行(15 16)。
我怎么能调和的每日总流行计算每小时预测与实际日常流行?
江南体育网页版地球科学堆栈交换是一个问答网江南电子竞技平台站对于那些感兴趣的地质学、气象学、海洋学、环境科学。注册只需要一分钟。
报名加入这个社区我该如何解释每小时降水预测?
大多数时候,当天气预报有雨,降水的最大概率(流行)每小时的预测与日常流行。
我的问题是,每小时的流行预测通常有几个小时,最大的概率。如果我天真地为每小时添加的几率越来越湿,我总是得到一个总概率远高于日常流行的价值。
例如,以一个假想的天,每日预测有50%的流行。同一天,每小时预测4小时每小时50%的流行。如果我计算机会得到雨水的至少一个4小时,我得到93%的流行(15 16)。
我怎么能调和的每日总流行计算每小时预测与实际日常流行?
降水的概率是最有可能意味着的比例模型在一个合奏或天气模型,观察沉淀在一个特定的位置在一个特定的时期。
如果你想成功的概率在白天下雨,最好的方法是制定一个负的概率没有雨,没有雨小时两小时没有下雨,三……如果数学x_i美元在小时代表了雨的存在与否我美元,然后
$ P(雨)= 1 - \ prod_ {i = 1} ^ {24} (1 - P (x_i = 1)美元
然而,这种假设每小时下雨的概率是独立的,它不太可能是正确的。为了解决这一问题,我们需要引入条件概率(不提供的预测),即
$ P(雨)= 1 - (1 - P (x_1 = 1) \乘以(1 - P (x_2 = 1 | x_1)) \ * (1 - P (x_3 = 1 | x_1、x_2)) \ \ cdot \乘以(1 - P(间{24}= 1 | x_1、x_2, \ ldots间{22},间{23})美元
不幸的是你不会轻易能够协调每天和每小时的概率,这就需要条件概率(或至少一个模型的依赖),这可能不提供预测。
中给出的例子的问题,如果有四个小时,降雨概率为50%,那么这可能意味着50 100模型预测合奏的雨持续了四个小时,另50干燥。然而,它可能意味着50模型第一两个小时雨和干燥之后,和一个欠干了两个小时,然后下雨了两个小时。在第一种情况下,有雨的概率在四个小时是50%(一半的模型说不会有雨在任何时候),而在第二种情况下,降雨的机会在某种情况下将100%,所有的模型都同意它将雨在四个小时内,他们只是不同意,当它会发生。每日预报出来通过观察工作的比例模型,实际上给白天点降水,但孤立的每小时的概率不提供足够的信息来找出发生了什么一整天在单独的模式运行。
时间并不是相互独立的。例如,假设有一个飓风袭击该地区的机会。如果它击中,每小时会下雨的一天。如果错过,不会下雨。另一方面,雷暴更独立:一个下午2点不会增加的机会得到另一个下午4点。
在某种程度上,时间是独立的你可以每天计算概率描述;然而,更有可能的是,他们彼此依赖,尤其是在冬天。
来源:https://www.insidescience.org/news/how-do-daily-weather-forecasts-relate-hourly-forecasts-it-depends