数值型指标——位置
<pre><code class="language-python">
import meteva.method as mem
import meteva.base as meb
import numpy as np</code></pre>
<pre><code class="language-python">#生成算法测试数据
lon_ob = np.array([130,131,132,133])
lat_ob = np.array([30,31,32,33])
lon_fo = np.array([131,132,133,134])
lat_fo = np.array([31,32,33,34])
</code></pre>
<h1>位置误差</h1>
<p><strong><font face="黑体" color=blue size = 5> distance(lon_ob,lat_ob,lon_fo,lat_fo,on_earth_surface = True)</font></strong> </p>
<p>计算两组位置之间的两两距离的平均。</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>lon_ob</font></strong></td>
<td style="text-align: left;">观测的经度，numpy数组</td>
</tr>
<tr>
<td style="text-align: left;"><strong><font face="黑体" color=blue size = 5>lat_ob</font></strong></td>
<td style="text-align: left;">观测的纬度，numpy数组,和lon_ob的shape必须一致</td>
</tr>
<tr>
<td style="text-align: left;"><strong><font face="黑体" color=blue size = 5>lon_fo</font></strong></td>
<td style="text-align: left;">预报的经度，numpy数组，numpy可以比lat_ob高一维（用于同时进行多家预报结果检验），lon_fo.shape低维与lat_ob.shape保持一致</td>
</tr>
<tr>
<td style="text-align: left;"><strong><font face="黑体" color=blue size = 5>lat_fo</font></strong></td>
<td style="text-align: left;">预报的纬度，numpy数组，numpy可以比lat_ob高一维（用于同时进行多家预报结果检验），lat_fo.shape低维与lat_ob.shape保持一致,和lon_fo的shape必须一致</td>
</tr>
<tr>
<td style="text-align: left;"><font face="黑体" color=blue size=5>return</font></td>
<td style="text-align: left;">位置误差的平均值，如果lat_fo和lat_ob的shape一致，说明只有一家预报，则返回实数，否则说明是在同时检验多家预报，返回结果为一维数组</td>
</tr>
</tbody>
</table>
<p><strong>调用示例：</strong> </p>
<pre><code class="language-python">dis = mem.distance(lon_ob,lat_ob,lon_fo,lat_fo)
print(dis)</code></pre>
<pre><code>145.79061830031182</code></pre>
<h1>位置误差统计中间量</h1>
<p><strong><font face="黑体" color=blue size = 5> tdis(lon_ob,lat_ob,lon_fo,lat_fo,on_earth_surface = True)</font></strong> </p>
<p>为方便开展并行计算，计算两组位置之间的误差的平均值统计两个中间量：样本数，位置误差总和。</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>lon_ob</font></strong></td>
<td style="text-align: left;">观测的经度，numpy数组</td>
</tr>
<tr>
<td style="text-align: left;"><strong><font face="黑体" color=blue size = 5>lat_ob</font></strong></td>
<td style="text-align: left;">观测的纬度，numpy数组,和lon_ob的shape必须一致</td>
</tr>
<tr>
<td style="text-align: left;"><strong><font face="黑体" color=blue size = 5>lon_fo</font></strong></td>
<td style="text-align: left;">预报的经度，numpy数组，numpy可以比lat_ob高一维（用于同时进行多家预报结果检验），lon_fo.shape低维与lat_ob.shape保持一致</td>
</tr>
<tr>
<td style="text-align: left;"><strong><font face="黑体" color=blue size = 5>lat_fo</font></strong></td>
<td style="text-align: left;">预报的纬度，numpy数组，numpy可以比lat_ob高一维（用于同时进行多家预报结果检验），lat_fo.shape低维与lat_ob.shape保持一致,和lon_fo的shape必须一致</td>
</tr>
<tr>
<td style="text-align: left;"><font face="黑体" color=blue size=5>return</font></td>
<td style="text-align: left;">根据预报和观测的风向数据，统计得到的样本数、位置误差的总和，lat_fo和lat_ob的shape一致，则说明只有一家预报，此时返回一维的数据，size= 2。 如果lat_fo和lat_ob的shape不一致，则说明有多个预报，则返回的数据shape = （预报成员数，2）</td>
</tr>
</tbody>
</table>
<p><strong>调用示例：</strong> </p>
<pre><code class="language-python">tdis_array = mem.tdis(lon_ob,lat_ob,lon_fo,lat_fo)
print(tdis_array)</code></pre>
<pre><code>[ 4. 583.1624732]</code></pre>
<h1>位置误差（并行）</h1>
<p><strong><font face="黑体" color=blue size = 5>distance_tdis(tdis_array)</font></strong> </p>
<p>基于中间统计量计算位置误差的平均值</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>tdis_array</font></strong></td>
<td style="text-align: left;">包含检验中间结果的多维数组，其中最后一维长度为2，分别记录了样本数数，位置误差的总和，它通常是tdis函数的计算结果，或者计算结果的累加</td>
</tr>
<tr>
<td style="text-align: left;"><font face="黑体" color=blue size=5>return</font></td>
<td style="text-align: left;">位置误差的平均值，nasws_array少了最后一维</td>
</tr>
</tbody>
</table>
<p><strong>调用示例：</strong> </p>
<pre><code class="language-python">dis = mem.distance_tdis(tdis_array)
print(dis)</code></pre>
<pre><code>145.79061830031182</code></pre>