气象大模型论文中评估指标的计算详解
1.计算方法
import numpy as np
import xarray as xr
def compute_weighted_rmse(da_fc, da_true, mean_dims=xr.ALL_DIMS):
"""
计算具有纬度加权的两个 xr.DataArrays 之间的 RMSE。
参数:
da_fc (xr.DataArray): 预测值。
da_true (xr.DataArray): 真值。
mean_dims: 要平均的维度
返回:
rmse: 纬度加权的均方根误差
"""
error = da_fc - da_true
weights_lat = np.cos(np.deg2rad(error.lat))
weights_lat /= weights_lat.mean()
rmse = np.sqrt(((error)**2 * weights_lat).mean(mean_dims))
return rmse
def compute_weighted_acc(da_fc, da_true, mean_dims=xr.ALL_DIMS):
"""
计算具有纬度加权的两个 xr.DataArrays 之间的 ACC。
参数:
da_fc (xr.DataArray): 预测值。
da_true (xr.DataArray): 真值。
mean_dims: 要平均的维度
返回:
acc: 纬度加权的异常相关系数
"""
clim = da_true.mean('time')
try:
t = np.intersect1d(da_fc.time, da_true.time)
fa = da_fc.sel(time=t) - clim
except AttributeError:
t = da_true.time.values
fa = da_fc - clim
a = da_true.sel(time=t) - clim
weights_lat = np.cos(np.deg2rad(da_fc.lat))
weights_lat /= weights_lat.mean()
w = weights_lat
fa_prime = fa - fa.mean()
a_prime = a - a.mean()
acc = (
np.sum(w * fa_prime * a_prime) /
np.sqrt(
np.sum(w * fa_prime ** 2) * np.sum(w * a_prime ** 2)
)
)
return acc
def compute_weighted_mae(da_fc, da_true, mean_dims=xr.ALL_DIMS):
"""
计算具有纬度加权的两个 xr.DataArrays 之间的 MAE。
参数:
da_fc (xr.DataArray): 预测值。
da_true (xr.DataArray): 真值。
mean_dims: 要平均的维度
返回:
mae: 纬度加权的平均绝对误差
"""
error = da_fc - da_true
weights_lat = np.cos(np.deg2rad(error.lat))
weights_lat /= weights_lat.mean()
mae = (np.abs(error) * weights_lat).mean(mean_dims)
return mae
2计算示例
import xarray as xr
import numpy as np
# 定义时间、纬度和经度的维度大小
time_size = 10
lat_size = 5
lon_size = 5
# 生成随机数据数组1
data_array1 = xr.DataArray(np.random.rand(time_size, lat_size, lon_size),
dims=('time', 'lat', 'lon'),
coords={'time': range(time_size), 'lat': range(lat_size), 'lon': range(lon_size)})
# 生成随机数据数组2
data_array2 = xr.DataArray(np.random.rand(time_size, lat_size, lon_size),
dims=('time', 'lat', 'lon'),
coords={'time': range(time_size), 'lat': range(lat_size), 'lon': range(lon_size)})
# 打印数据数组1
print("Data Array 1:")
print(data_array1)
# 打印数据数组2
print("Data Array 2:")
print(data_array2)
#rmse
print(compute_weighted_rmse(data_array1,data_array2))
#acc
print(compute_weighted_acc(data_array1,data_array2))
#mae
print(compute_weighted_mae(data_array1,data_array2))
参考：https://github.com/xiazh18/WeatherBench/blob/master/src/score.py
文章来源于微信公众号：自学气象人
顶一个！
页:
[1]