Grappig, ik ben zelf op dit moment ook een beetje aan het klooien met iets soortgelijks in python (toch nog een beetje proberen de tijd nuttig in te vullen) 
. Zelf ben ik een MOS-achtig modelletje aan het maken, dat wat statistical postprocessing toepast op de output van GFS. Hierbij maak ik gebruik van multilineaire regressie en laat ik het model 'trainen' op stationsdata met het bijbehorende gridpunt.
Terug naar jouw vraag. Ik neem aan dat je ook gebruik maakt van (multilineaire) regressiemethoden? Zelf gebruik ik de module statsmodels om de modeldata te fitten aan de observaties (gewoon simpele regressie dus) en dat kan voor meerdere variabelen.
Wat je dan kan doen is een anova test uitvoeren en aan de hand daarvan kun je kijken of elke variabele die je toevoegt, het model significant beter maakt (kleine p-waarde). Dan is het gewoon wat beunwerk in python en elke parameter die eigenlijk niks bijdraagt aan de goodness of fit van het model weggooien. In het beste geval hoe je het best presterende model over met zo min mogelijk variabele.
Leuk projectje. Als je van statistiek houdt is het iets waar je ook oneindig op door kunt gaan