GFS contro ECMWF

[Grande Gelo]

Quindi l'affidabilità della previsione di un modello dipende dal numero di variabili che calcola sui punti di griglia? Ergo... più variabili, più il modello va in tilt?

Non è che più variabili ci sono e più il modello va in tilt, ma è normale che se cambia qualcosa, qualche variabile atmosferica allora matematicamente la previsione dei modelli si fa più "traballante".....

[Friedrich 91]

Non è che più variabili ci sono e più il modello va in tilt, ma è normale che se cambia qualcosa, qualche variabile atmosferica allora matematicamente la previsione dei modelli si fa più "traballante".....

Se cambia qualche variabile cambia ovviamente lo scenario previsto,poi dipende quanto a seconda di quante e quali variabili cambiano.
Ma visto che l'affidabilità dei modelli risulta abbastanza elevata a oggi (stante i dati) evidentemente le variabili che cambiano non sono quasi mai molte,almeno nell'arco dei 6-7 gg(ovvero quando il modello è "affidabile") . Il discorso non mi pare difficile.

[FunMBnel]

Non è che più variabili ci sono e più il modello va in tilt, ma è normale che se cambia qualcosa, qualche variabile atmosferica allora matematicamente la previsione dei modelli si fa più "traballante".....

E non che per caso, hai visto mai ..., se cambia una variabile cambiano anche tutti i valori calcolati che da quella variabile dipendono?
Tiro a indovinare eh ...

[Marco.Iannucci]

E non che per caso, hai visto mai ..., se cambia una variabile cambiano anche tutti i valori calcolati che da quella variabile dipendono?
Tiro a indovinare eh ...

Aspetta! Il modello matematico ha dei limiti nel lungo termine (ma spesso anche nel medio) proprio perchè gli sfuggono delle mutazioni apparantemente caotiche di alcune variabili. Cioè se cambia una variabile nella realtà (ad esempio un temporale colpendo una determinata area porta a dati termodinamici diversi da quelli impostati inizialmente) il modello matematico impostato sulla variabile originaria da un risultato finale diverso. Il discorso dell'effetto farfalla entra anche in gioco quando su scala locale quel cambiamento seppur minimo a lungo andare porta a una concatenazione di eventi capaci di modificare il risultato della previsione a medio-lungo termine. almeno così penso di aver capito

[Lorenzo Catania]

Rispetto, ragazzi ...
... confrontarsi significa anche avere la capacità di accettare idee diverse dalle proprie. Per un confronto chiaro e risolutivo queste idee però devono essere corroborate da dati, evidenze, o teorie ben confutate. Senza questi elementi si parla del nulla

[FunMBnel]

Aspetta! Il modello matematico ha dei limiti nel lungo termine (ma spesso anche nel medio) proprio perchè gli sfuggono delle mutazioni apparantemente caotiche di alcune variabili.

Al modello non sfugge nessuna "mutazione".
Il limite nel lungo termine si chiama propagazione dell'errore. Nè più nè meno.

Cioè se cambia una variabile nella realtà (ad esempio un temporale colpendo una determinata area porta a dati termodinamici diversi da quelli impostati inizialmente) il modello matematico impostato sulla variabile originaria da un risultato finale diverso.

Tu o altri mi volete spiegare per quale motivo un modello che gestisce tale "variabile" (quale per esempio) dovrebbe ignorare il fatto che è cambiata?
Se la gestisce ed è un input quando cambia cambierà l'elaborazione che ne discende. Punto.
Con gli inevitabili limiti della rappresentazione della medesima.
Ma una cosa è certa: o tale "variabile" non è gestita oppure se è gestita è gestita sempre nello stesso modo. Che è quello formalmente corretto, peraltro.

Ho l'impressione che il caos venga sempre infilato in ogni discorso anche quando c'entra il giusto.

E dopo la giornata di ieri e quella attesa oggi vado a mangiarmi un piatto di spaghetti tagliati, con il cucchiaio e dentro il freezer di Gdr. Sempre se non ci si è già infilato Jadan.

[Marco.Iannucci]

Al modello non sfugge nessuna "mutazione".
Il limite nel lungo termine si chiama propagazione dell'errore. Nè più nè meno.



Tu o altri mi volete spiegare per quale motivo un modello che gestisce tale "variabile" (quale per esempio) dovrebbe ignorare il fatto che è cambiata?
Se la gestisce ed è un input quando cambia cambierà l'elaborazione che ne discende. Punto.
Con gli inevitabili limiti della rappresentazione della medesima.
Ma una cosa è certa: o tale "variabile" non è gestita oppure se è gestita è gestita sempre nello stesso modo. Che è quello formalmente corretto, peraltro.

Ho l'impressione che il caos venga sempre infilato in ogni discorso anche quando c'entra il giusto.

E dopo la giornata di ieri e quella attesa oggi vado a mangiarmi un piatto di spaghetti tagliati, con il cucchiaio e dentro il freezer di Gdr. Sempre se non ci si è già infilato Jadan.

Guarda il mio pensiero (non da esperto) è questo: il modello preleva tutti i parametri che gli servono, ma per prima cosa si deve accontentare di un numero limitato di input, seconda cosa chi mi dice che gli input di partenza non si siano in realtà già modificati? Ad esempio un semplice caso è la traiettoria dell'uragano, se il modello fosse perfetto dovrebbe individuarla al 100%, ma così non è

[lothar]

Guarda il mio pensiero (non da esperto) è questo: il modello preleva tutti i parametri che gli servono, ma per prima cosa si deve accontentare di un numero limitato di input, seconda cosa chi mi dice che gli input di partenza non si siano in realtà già modificati? Ad esempio un semplice caso è la traiettoria dell'uragano, se il modello fosse perfetto dovrebbe individuarla al 100%, ma così non è

Ma che c'entra? Il modello è riferito a determinate condizioni al contorno. Se variano non è colpa del modello. Mi sembra palese, non capisco di cosa si discute. Se si vuole dire che i modelli non hanno un'affidabilità del 100% a 360 ore, va bene, mi sembra logico, visto che l'errore si propaga in modo non lineare; non a caso per il long si usano le ensembles. Questo però non toglie che se volete mettervi a guardare fuori dalla finestra vi voglio vedere a interpretare la traiettoria dell'uragano.

[FunMBnel]

seconda cosa chi mi dice che gli input di partenza non si siano in realtà già modificati?

Ma modificati da chi? Un modello delle 00Z utilizza gli ultimi input disponibili e su quelli "corre". Si modificheranno dopo eventualmente, man mano che il tempo passa.
Ove ci sono input reali si usano quelli altrimenti si usano quelli calcolati.
Nessuno modifica nulla (al netto della normalizzazione dei dati di input ovviamente).

Ad esempio un semplice caso è la traiettoria dell'uragano, se il modello fosse perfetto dovrebbe individuarla al 100%, ma così non è

E chi ha detto che i modelli sono in grado di modellare tutto perfettamente?
Il caso dell'uragano o meglio ancora delle gocce fredde sono i classici fenomeni che mettono in crisi i GCM. Perchè? Perchè la scala spesso non è sufficiente (altro che troppe variabili o variabili che cambiano ... Le variabili cambiano secondo leggi note, mica a caso).