由于大气的混乱性质，即使使用不断改进的数值天气预报模型，天气预报最终也会失去其准确性。气象学家强烈希望更好地了解此过程，因为他们试图将预报误差追溯到观测差距并提供改进的方法。

均方根误差(均方根或其平方，方差距离)通常用于测量模拟场和观察场之间的差异。在这种情况下，科学家测量了其网格内的模型预测场与代表所有实际观察结果的验证分析场之间的距离。但是，必须考虑到大气特征(如锋面和压力系统)是空间中的三维天气特征，计算机模型会取代这些特征​​，并且随着数值预报远离初始，其结构也会发生畸变。方差或均方根误差度量不能量化天气系统的位移和失真。

在最近发表的《大气科学进展》一文中，由国家海洋与大气管理局(NOAA)，麻省理工学院(MIT)和康涅狄格大学组成的一组科学家着手寻找一种评估大气污染的通用方法。位置和结构成分在两个领域之间的总差异。本质上，与基于真实观测的验证分析相比，气象学家希望评估模型预报中许多不同天气特征的准确性。

麻省理工学院的Sai Ravela是这项研究的合著者，以前开发了一种场对准方法。在这种情况下，他的方法可以平滑地将模型预测字段与基于观察的分析对齐，从而使它们之间的差异最小。接下来，通过称为空间过滤或平滑的过程，从所有三个字段(原始和对齐的预测以及验证分析或观察的代理)中消除了来自不确定来源的小规模误差。然后将总方差距离或差异划分为三个唯一的分量。位置误差(即平滑的原始模型预测与平滑的对齐的预测字段之间的方差距离)和结构误差，即平滑的对齐的预测与平滑的验证分析字段之间的方差距离，模型预测和验证分析或观测领域。

该方法输出三个正交误差分量作为标量场，以及一个矢量场，该矢量场表示与观测分析场相比预测的大规模位移。有趣的是，在团队研究的所有地区和交付周期中，总误差方差的一半以上与天气要素的错位有关。因此，在预测领域中位移比变形更明显：只有大约25%的误差方差与部分可预测特征(如前缘和低压系统)的结构误差有关。其余的误差方差保持无法解释的或不可预测的可或噪声。

扬科夫博士说：“误差方差中的噪声如何随预测提前期的变化而增长，以及扰动的预测集合之间的价差的位置-结构-噪声分解是否捕获了预测误差成分，”正在进行的研究的主题。 NOAA，研究的主要作者。