Is het voor het leereffect dan niet beter een kaart uit het verleden te nemen. Die goed te analyseren wat er vanuit die situatie gaat gebeuren om dan vervolgens met de WERKELIJK opgetreden vervolgkaart die verwachting te staven.
In princiepe doen de modellen dit al voor ons. Als ik me niet vergis worden modellen namelijk 'getoetst' door oa uitgangsposities uit het verleden door te rekenen. Hoe goed een model dit doet hangt natuurlijk af van volledigheid van de parameters welke beschreven worden in de begintoestand, hierop kan men dus wellicht wel afdingen. Echter, een beter model zou met dezelfde begintoestand meer voorspellingswaarde moeten generen dan een minder ontwikkeld model.
Voor nieuwe situaties is de begintoestand echter nooit 100% hetzelfde. Hierdoor zijn er kleine details 'anders' welke soms met exponentieële snelheid het aangezicht van de situatie kunnen doen veranderen. Om dit te ondervangen rekent ECMWF dus bijv met 50 verstoorde leden, maar ook dat is niet afdoende.
Enfin, om de huidige situatie met het verleden te vergelijken is in essentie dus zinloos. Ik ben hier dan ook geen voorstander van. Wel kunnen er bepaalde herkendbare patronen in het weer optreden, ofwel Grosswetterlagen (GWL). Deze zijn meestal goed te herkennen in het GKB en worden door de modellen meestal snel opgepikt. Echter, in het geval van sommige (winterse) GWL's zijn er soms teveel onzekerheden om deze goed en wel te voorzien. Een goed voorbeeld is de laatste koudegolf, welke door de modellen lang van tevoren werd voorzien, maar tot op +72 uur nog erg onduidelijk was. Mocht de meteorologie meer inzicht krijgen in de oorzaak-gevolg relaties van winterweer in west-Europa, dan wordt de beschrijving in de modellen hier dus vanzelf beter op, en zo ook hun voorspellingswaarde.
Quote selectie