【发布时间】：2019-08-07 09:38:11
【问题描述】：
我目前正在尝试为我的硕士论文重新创建一篇论文 (https://www.researchgate.net/publication/309723672_Evidence_for_wave_resonance_as_a_key_mechanism_for_generating_high-amplitude_quasi-stationary_waves_in_boreal_summer) 的发现。 我计算了罗斯比波（大气中的某种流动）的经向波数平方的经向（北度数）分布数天。该值仅取决于平均纬向（西和东度数）风及其一阶和二阶经向导数，以及 2D 罗斯贝波的纬向波数。例如，这种波可以被认为是鼓上的波，仅在球形环境中，即大气中。 我使用的是 python 3.6.5，我怀疑问题出在数值精度上，但我不确定。
我已经阅读了有关数值精度的其他线程，并遇到了这个问题，例如：python sine and cosine precision。 但是，我还没有尝试过，因为我试图避免编写自己的三角函数。此外，由于我必须处理大量数据，因此我尽量不减慢我的代码速度。从实验中我发现数学库在三角函数方面并不比 numpy 库更精确。
这是我关心的代码的 sn-p：
Lat = np.linspace(0,90,37)
MeridWN = np.zeros((29,36), dtype='float64')
######################################################
#define Meridional wavenumber, l^2
for i in range(5,28,10):
for j in range(36):
MeridWN[i,j] = (((2*EarthRot*np.cos(Lat[j]*np.pi/180.0)**3.0)/(EarthRad*ZonMeanZonWiNH[j]))-
((np.cos(Lat[j]*np.pi/180.)**2.)/(EarthRad**2.0*ZonMeanZonWiNH[j]))*
ZonMeanZonWiMeridGradGrad[j]+
((np.sin(Lat[j]*np.pi/180.)*np.cos(Lat[j]*np.pi/180.))/(EarthRad**2.0*ZonMeanZonWiNH[j]))*
ZonMeanZonWiMeridGrad[j]+(1./(EarthRad**2.0))-(ZonWN[i]/EarthRad)**2.0)
MeridWNMerge[i,x,j] = MeridWN[i,j]
索引 i 是一系列纬向波数，x 是天（这个 sn-p 来自一个更大的循环，在天上运行），j 是纬度位置。 为了计算导数，我使用这样的 numpy 梯度函数：
ZonMeanZonWiMeridGrad = np.gradient(ZonMeanZonWiNH,np.linspace(0,90,37))
ZonMeanZonWiMeridGradGrad = np.gradient(ZonMeanZonWiMeridGrad,np.linspace(0,90,37))
This是子午波数（l）平方的计算公式，其中Omega是地球自转，Phi是纬度位置，a是地球半径，U是纬向平均，纬向平均和k 是带状波数，在我的例子中是一个范围从 5.5 到 8.5 的数组。
This 是我 6 月至 8 月的纬向平均纬向风场（下）和论文上的（上）的比较，表明我们有相同的数据，这不是问题。色阶略有不同，但风廓线最突出的特征非常相似，微小的差异不应该产生如此不同的profile of the meridional wavenumber (for k = 7)，纸上的数字又在上面，我在下面.这里的色阶再次不同，但仍应捕捉到大的结构相似性。如您所见，我处理的数字非常小，这导致我怀疑代码的数字不精确。
如果你愿意，我可以上传我的整个代码，但是我认为对于关于精度的讨论来说这已经足够了。
我试图解决这个问题大约 2 周，尝试在我的代码中进行所有不同的更改，其中一些是很好的更改，但是没有一个提供所需的输出。
提前谢谢你，
托马斯
【问题讨论】：
标签： python numpy precision calculation