En el modelado climático, está buscando modelos que puedan representar adecuadamente el clima de la Tierra. Esto incluye mostrar patrones semicíclicos: cosas como la Oscilación del Sur de El Niño. Pero la verificación del modelo ocurre generalmente en períodos de tiempo relativamente cortos, donde hay datos de observación decentes (últimos ~ 150 años). Esto significa que su modelo podría mostrar los patrones correctos, pero estar fuera de fase, de modo que las comparaciones lineales, como la correlación, no detectarán que el modelo está funcionando bien.
Las transformadas discretas de Fourier se usan comúnmente para analizar datos climáticos ( aquí hay un ejemplo ), a fin de detectar estos patrones cíclicos. ¿Existe alguna medida estándar de la similitud de dos DFT que pueda usarse como herramienta de verificación (es decir, una comparación entre el DFT para el modelo y el de las observaciones)?
¿Tendría sentido tomar la integral del mínimo de las dos DFT de área normalizada (utilizando valores reales absolutos)? Creo que esto daría como resultado una puntuación , donde x = 1exactamente los mismos patrones, Patrones totalmente diferentes. ¿Cuáles podrían ser los inconvenientes de tal método?