پس‌پردازش برون‌داد خام مدل‌های مورد استفاده در پیش‌بینی عددی وضع هوا از گام‌های اصلی و ضروری این نوع فرآیند پیش‌بینی است. در مراکز هواشناسی پیشرفته جهان برای پس‌پردازش برون‌داد مدل‌های عددی، روش‌های مختلفی به کار گرفته می‌شوند که غالباً بر پایه تحلیل‌ها و محاسبات آماری استوارند. نظر به اهمیت موضوع، در این مقاله ابتدا روش‌های متداول پس‌پردازش آماری داده‌های خام مدل‌های پیش‌بینی عددی وضع هوا مانند آماره برون‌داد مدل، پیش‌یابی کامل و پالایش کالمن معرفی شده‌اند. سپس با کاربست روش پیش‌یابی کامل، معادلاتی برای پیش‌بینی دمای کمینه و بیشینه ایستگاه تهران–مهرآباد به دست آمده که میزان و علل خطاهای آن نیز بررسی شده است. معادلات بر اساس تحلیل وایازی خطی بین داده‌های اندازه‌گیری شده ضخامت لایه‌های hPa700-850 و hPa 500-700 به عنوان پیش‌بینی کننده (متغیر مستقل) و دمای کمینه و بیشینه به عنوان پیش‌بینی شونده (متغیر پاسخ)، در دوره آماری 1986-1995 ساخته شده‌اند. در به کارگیری این معادلات وایازی برای پیش‌بینی دمای کمینه و بیشینه، از مقادیر ضخامت hPa700-850 و hPa 500-700 حاصل از اجرای مدل عددی MM5 استفاده شده است. نتایج، همبستگی معنی‌داری را میان متغیرهای مستقل و پاسخ نشان می‌دهند. اما به سبب خطای قابل ملاحظهMM5 در پیش بینی ارتفاع تراز hPa850 تهران، امکان استفاده ازضخامت hPa700-850 به عنوان پیش‌بینی کننده وجود ندارد. با جایگزینی ضخامت hPa 500-700 در محاسبات، اختلاف مقادیر پیش بینی شده با مقادیر واقعی تا حد زیادی کاهش می‌یابد.
)