数值预报模式不同时次运行时长是否相同？

February 08, 2021 (最后修改: August 22, 2021)

数值天气预报模式业务系统每天会运行多个时次，及时向预报员提供最新的预报结果。大部分系统不同时次之间除了输入数据外，没有显著的区别。那么，不同时次模式积分的运行时长是否相同呢？

本文尝试使用多种方法回答这一问题。

数据

GRAPES 模式积分程序在日志中输出单步积分耗时，所有单步耗时累加可以得到模式积分总体耗时。

下面是 GRAPES MESO 3KM 模式积分程序输出的时间步长信息，使用正则表达式提取积分步数和单步积分时长。

Timing for processing for step 3901 (2021020911:44:21):          0.74780 elapsed seconds.
Timing for processing for step 3901 (2021020911:44:21):          0.74756 cpu seconds.
 begin of gcr  9.699100979868703E-006
 RES of gcr  9.787437371783738E-013 in           21 iterations

详细提取方法请查看如下文章：

《NWPC笔记：获取模式积分时长 - 恒定步长》

《NWPC笔记：获取模式积分时长 - 动态步长》

本文使用 2020 年 8 月 1 日至 11 月 30 日 GRAPES GFS，GRAPES MESO 3KM 和 GRAPES TYM 三个业务系统的模式积分程序输出日志。数据来自 NWPC 业务系统备份目录，少量时次的日志有缺失。

方法

使用方差分析和置换检验分析不同时次的运行时间是否相同。使用自助法计算运行均值 95% 置信区间。比较原始数据和重采样数据的分布。

本文所有计算和绘图结果均使用 R 语言实现，其中：

直方图、箱线图和频率图由 ggplot2 包绘制
均值与置信区间图使用 gplots 包中的 plotmeans() 函数绘制
单因素方差分析使用 aov() 函数
两样本/K样本置换检验使用 coin 库中的 oneway_test() 函数
置信区间使用 boot 库计算
Tukey HSD 检验使用 TukeyHSD() 函数计算，其中一幅图形由 multcomp 包绘制

结果分析

对 GRAEPS GFS，GRAPES MESO 3KM 和 GRAPES TYM 三个模式分别进行分析。

注：以下数据时间单位均为分钟。

GRAPES GFS

GRAPES GFS 系统 00 和 12 两个时次积分 240 小时。

描述性分析

均值与标准差

时次	均值	标准差
00	38.98848	3.328998
12	38.40560	5.343417

从上述结果可以看到，两个时次的运行时长均值几乎相同，但 12 时次的标准差较大，说明 12 时次运行时长波动较大。

分布图

原始数据

对于原始数据，12 时次运行时长偏少，但运行时长偏大的离群点比 00 时次多。

重采样数据

对于重采样数据，12 时次比 00 时次分布更广，但两者相差 2 分钟左右，可以忽略不计。

均值和置信区间

同样可以看到，GRAPES GFS 两个时次的运行时间均值相差很小。

方差分析与置换检验

对 00 和 12 两个时次进行分析

方法	p 值
单因素方差分析	0.307
两样本置换检验	0.3115

两种检验结果均不显著，说明 00 和 12 两个时次运行时长没有区别。

置信区间

两个时次运行时长均值的置信区间如下：

时次	下界	上界
00	38.41753	39.59852
12	37.56889	39.47753

从均值置信区间上也可以看到，两个时次运行时长几乎相同，但 12 时次置信区间略大。

结论

从上述分析可以看到，GRAPES GFS 00 和 12 时次运行时长没有显著区别。