数值型检验指标
<p>[TOC]</p>
<pre><code class="language-python">%matplotlib inline
%load_ext autoreload
%autoreload 2
import meteva.method as mem
import numpy as np</code></pre>
<p><strong><em>通过随机函数生成测试数据，用于后续检验函数调用示例</em></strong></p>
<pre><code class="language-python">sample_count = 1000
member_count = 20
ob = 0.003 * np.arange(sample_count) #生成一批观测样本数据
ensemble_mean = ob + np.random.randn(sample_count) #设观测值随机出现在集合平均的周围，误差标准差为1
fo = np.zeros((sample_count,member_count))
for i in range(member_count):
fo[:,i] = ensemble_mean + np.random.randn(sample_count) * 0.5 #集合成员随机出现在集合平均的周围，集合发散标准差为0.5</code></pre>
<pre><code class="language-python">ob = np.random.randn(10,10)
fo1 = np.random.randn(5,10,10)</code></pre>
<h1>一致性比例</h1>
<p><strong><font face="黑体" color=blue size = 5>cr(ob,fo,grade_list=[1e-300]) </font></strong><br />
代表集合成员集中且于观测一致的程度，即所有成员及观测在某个阈值以上的落区的交集与并集的比值 </p>
<table>
<thead>
<tr>
<th style="text-align: left;">参数</th>
<th style="text-align: left;">说明</th>
</tr>
</thead>
<tbody>
<tr>
<td style="text-align: left;"><strong><font face="黑体" color=blue size = 5>ob</font></strong></td>
<td style="text-align: left;">实况数据, 任意维numpy数组</td>
</tr>
<tr>
<td style="text-align: left;"><strong><font face="黑体" color=blue size = 5>fo</font></strong></td>
<td style="text-align: left;">fo比Ob.shape多一维，fo.shape低维与ob.shape保持一致</td>
</tr>
<tr>
<td style="text-align: left;"><strong>grade_list</strong></td>
<td style="text-align: left;">多个阈值同时检验时的等级参数</td>
</tr>
<tr>
<td style="text-align: left;"><font face="黑体" color=blue size=5>return</font></td>
<td style="text-align: left;">当len(grade_list) =1时，返回实数，否则返回一维数组， 其元素为0-1的实数，最优值为1</td>
</tr>
</tbody>
</table>
<p><strong>调用示例：</strong> </p>
<pre><code class="language-python">mem.cr(ob,fo1) #缺省等级参数，len(grade_list) = 1</code></pre>
<pre><code>0.010309278350515464</code></pre>
<pre><code class="language-python">mem.cr(ob,fo1,grade_list=[0,0.3,0.5]) #指定多个等级</code></pre>
<pre><code>array([0.01030928, 0. , 0. ])</code></pre>
<h1>连续分级概率评分</h1>
<p><strong><font face="黑体" color=blue size = 5> crps(ob, fo)</font></strong><br />
预报和观测累积分布之间的综合误差</p>
<table>
<thead>
<tr>
<th style="text-align: left;">参数</th>
<th style="text-align: left;">说明</th>
</tr>
</thead>
<tbody>
<tr>
<td style="text-align: left;"><strong><font face="黑体" color=blue size = 5>ob</font></strong></td>
<td style="text-align: left;">实况数据, 任意维numpy数组</td>
</tr>
<tr>
<td style="text-align: left;"><strong><font face="黑体" color=blue size = 5>fo</font></strong></td>
<td style="text-align: left;">fo比Ob.shape多一维，fo.shape低维与ob.shape保持一致</td>
</tr>
<tr>
<td style="text-align: left;"><font face="黑体" color=blue size=5>return</font></td>
<td style="text-align: left;">返回一个实数</td>
</tr>
</tbody>
</table>
<p><strong>调用示例：</strong> </p>
<pre><code class="language-python">mem.crps(ob,fo1)</code></pre>
<pre><code>1.0296400765955034</code></pre>
<h1>集合离散度和集合平均的均方误差</h1>
<p><strong><font face="黑体" color=blue size = 5> variance_mse(ob, fo)</font></strong><br />
均集合内方差和集合平均的均方误差，当前者小于后者时表明集合成员之间的发散度不够，反之亦然</p>
<table>
<thead>
<tr>
<th style="text-align: left;">参数</th>
<th style="text-align: left;">说明</th>
</tr>
</thead>
<tbody>
<tr>
<td style="text-align: left;"><strong><font face="黑体" color=blue size = 5>ob</font></strong></td>
<td style="text-align: left;">实况数据, 任意维numpy数组</td>
</tr>
<tr>
<td style="text-align: left;"><strong><font face="黑体" color=blue size = 5>fo</font></strong></td>
<td style="text-align: left;">fo比Ob.shape多一维，fo.shape低维与ob.shape保持一致</td>
</tr>
<tr>
<td style="text-align: left;"><font face="黑体" color=blue size=5>return</font></td>
<td style="text-align: left;">返回两个数值构成的元组，内容分别是集合成员之间的内方差，集合平均相对观测的均方误差</td>
</tr>
</tbody>
</table>
<p><strong>调用示例：</strong> </p>
<pre><code class="language-python">mem.variance_mse(ob,fo1)</code></pre>
<pre><code>(0.8885455797890305, 0.8615710640608103)</code></pre>
<h1>集合离散度和集合平均的均方误差之比</h1>
<p><strong><font face="黑体" color=blue size = 5> variance_divide_by_mse(ob, fo)</font></strong><br />
均集合内方差和集合平均的均方误差之比，取值小于1时表明集合成员之间的发散度不够，反之亦然</p>
<table>
<thead>
<tr>
<th style="text-align: left;">参数</th>
<th style="text-align: left;">说明</th>
</tr>
</thead>
<tbody>
<tr>
<td style="text-align: left;"><strong><font face="黑体" color=blue size = 5>ob</font></strong></td>
<td style="text-align: left;">实况数据, 任意维numpy数组</td>
</tr>
<tr>
<td style="text-align: left;"><strong><font face="黑体" color=blue size = 5>fo</font></strong></td>
<td style="text-align: left;">fo比Ob.shape多一维，fo.shape低维与ob.shape保持一致</td>
</tr>
<tr>
<td style="text-align: left;"><font face="黑体" color=blue size=5>return</font></td>
<td style="text-align: left;">返回一个数值</td>
</tr>
</tbody>
</table>
<p><strong>调用示例：</strong> </p>
<pre><code class="language-python">mem.variance_divide_by_mse(ob,fo1)</code></pre>
<pre><code>1.0313085209722368</code></pre>
<pre><code class="language-python"></code></pre>