Informatikai Tudományok Doktori Iskola
Állandó link (URI) ehhez a gyűjteményhez
Informatikai Kar
Informatikai Tudományok Doktori Iskola
(vezető: Dr. Baran Sándor)
Természettudományi és Informatikai Doktori Tanács
tudományterület:
- műszaki tudományok
tudományág:
- informatika tudományok
Doktori programok:
- Adattudomány és vizualizáció
Data science and visualization
(programvezető: Dr. Hajdu András) - Alkalmazott információ technológia és elméleti háttere
Applied Information Technology and its Theoretical Background
(programvezető: Dr. Terdik György) - Elméleti számítástudomány, adatvédelem és kriptográfia
Theoretical computer science, data security and cryptography
(programvezető: Dr. Pethő Attila) - Az információ technológia és a sztochasztikus rendszerek elméleti alapjai és
alkalmazásai
Theoretical foundation and applications of information technology and stochastic systems
(programvezető: Dr. Fazekas István) - Informatikai rendszerek és hálózatok ipari alkalmazásokkal
Information Technology Systems and Networks with Industrial applications
(programvezető: Dr. Sztrik János)
Böngészés
Informatikai Tudományok Doktori Iskola Szerző szerinti böngészés "Baran, Sándor"
Megjelenítve 1 - 3 (Összesen 3)
Találat egy oldalon
Rendezési lehetőségek
Tétel Szabadon hozzáférhető Parametric post-processing of ensemble forecasts across multiple weather variables and resolutions(2024) Lakatos-Szabó, Marianna; Baran, Sándor; Szabó, Marianna; Informatikai tudományok doktori iskola; Informatikai Kar::Alkalmazott Matematikai és Valószínűségszámítási TanszékA meteorológia területén hatalmas előrelépést jelentett az ensemble időjárás-előrejelzési technika operatív alkalmazása. A módszer lényege, hogy több numerikus időjárás-előrejelző modell futtatását vagy egy perturbált paraméterezésű, esetlegesen perturbált kezdő értékkel megadott modell különböző futtatását kombinálja, így olyan valószínűségi előrejelzéseket képes adni, amelyek segítségével megbecsülhető az időjárás-előrejelzés bizonytalansága. Ezek a valószínűségi előrejelzések növelik a predikciók pontosságát, azonban az ensemble előrejelzések nyers kimenete gyakran alacsony szórással rendelkezik és esetenként torzítással terhelt lehet, ami hátrányosan befolyásolhatja megbízhatóságukat és használhatóságukat. A statisztikai utófeldolgozás az egyik legelterjedtebb módszer az előrejelzések kalibrálására, ezáltal javítva az ensemble predikciók megbízhatóságát. Az ensemble időjárás-előrejelzésben megjelentek a duális felbontású előrejelző rendszerek is, amelyek a magasabb felbontással járó költségnövekedés minimalizálása és a jobb prediktív teljesítmény közötti kompromisszum megteremtése érdekében különböző térbeli felbontású tagokat fognak össze egy-egy ensemble rendszerbe. A disszertáció átfogóan vizsgálja az egyféle és duális felbontású előrejelzések statisztikai utófeldolgozásának témáját, elemezve a különböző eloszlásokon alapuló, parametrizált EMOS modellek hatékonyságát, és tesztelve azokat több időjárási változóra vonatkozóan.Tétel Szabadon hozzáférhető Post-processing ensemble weather forecasts for discrete and continuous quantities in univariate and multivariate settings(2025) Nagy-Lakatos, Mária; Baran, Sándor; Lakatos, Mária; Informatikai tudományok doktori iskola; Informatikai Kar::Alkalmazott Matematikai és Valószínűségszámítási TanszékA numerikus időjárás-előrejelző modellek érzékenyek a kezdeti feltételek apró eltéréseire, amelyek a légkör kaotikus viselkedése miatt gyorsan felerősödhetnek, ezáltal csökkentve az előrejelzések pontosságát. A valószínűségi előrejelzés és a bizonytalanságok becslése céljából ensemble előrejelző rendszerek kerülnek alkalmazásra, amelyek eltérő kezdeti feltételek és modellparaméterezések mellett több előrejelzést állítanak elő. A nyers ensemble előrejelzések azonban gyakran torzítottak és nem reprezentálják eléggé a bizonytalanságot, ezért statisztikai utófeldolgozó módszerek alkalmazása válik szükségessé. Bár ezek a módszerek jelentős javulást eredményeznek, többségük egyváltozós megközelítésű, így nem veszik figyelembe a térbeli, időbeli és meteorológiai változók közötti összefüggéseket. A disszertáció célja egyváltozós és többváltozós statisztikai utófeldolgozó módszerek összehasonlítása, a többváltozós eljárásokon belül pedig különös figyelmet fordítunk a kétlépcsős megközelítésekre, amelyek az egyváltozós korrekció után empirikus kopulák segítségével állítják vissza a korrelációs struktúrákat. Bemutatásra kerül egy interpolációval bővített szemi-lokális eljárás is, amely lehetővé teszi előrejelzések kalibrálását olyan területeken, ahol nem áll rendelkezésre megfigyelés. Vizsgáljuk továbbá, hogy a Copernicus Légkör Megfigyelő Szolgáltatás kategorikus látástávolság-előrejelzései hogyan javíthatják az Európai Középtávú Időjárás Előrejelzések Központja által készített látástávolság előrejelzések statisztikai korrekcióját.Tétel Szabadon hozzáférhető Térbeli statisztikai modellek és alkalmazásaik(2014) Sikolya, Kinga; Baran, Sándor; Informatikai tudományok doktori iskola; DE--Informatikai Kar -- Alkalmazott Matematika és Valószínűségszámítás TanszékEzen disszertáció térbeli statisztikai modellek paraméterbecsléseivel, valamint optimális mintavételi elhelyezéseivel kapcsolatban tartalmaz új kutatási eredményeket. Két fejezetből áll, melyek külön is tárgyalhatóak. A dolgozat első felében egy olyan térbeli lineáris regressziós modellt tekintünk, ahol a meghajtó folyamat egy Wiener- vagy pedig egy stacionárius, illetve nemstacionárius Ornstein-Uhlenbeck (OU) mező, és egy meglehetősen általános megfigyelési tartomány esetén keressük a regressziós paraméterek maximum likelihood (ML) becslését. A disszertáció második felében egy számos helyen alkalmazható problémát, az úgynevezett optimális mintavételi terv meghatározását vizsgáljuk egy konstans trenddel eltolt OU mező esetén. Az optimalitásnak többféle kritériuma van: paraméterbecslés esetén ilyen például a D-optimalitás, amikor a paraméterekre vonatkozó Fisher-féle információ egy alkalmas függvényét maximalizáljuk, előrejelzések esetén pedig, például, az úgynevezett Integrated Mean Squared Prediction Error (IMSPE) vagy az entrópia kritérium. Az értekezés második felében OU mező esetén vizsgáljuk a mindhárom kritérium szerinti optimális mintavételt. Paraméterbecslés esetén Baran és Stehlík (2014) monoton halmazokra kimondott eredményeivel analóg állításokat fogalmazunk meg a D-optimalitásról a mintavételi helyek egy igen kézenfekvő elrendezésére, amikor is szabályos rácsot alkotnak. Előrejelzés esetén az IMSPE és az entrópia kritérium szerinti optimális mintavételt vizsgáljuk mindkét típusú mintarendszerre. A kapott eredményeket a dolgozat végén valós adatokra épülő numerikus szimulációk segítségével vizsgáljuk és hasonlítjuk össze. ************************************************** This Ph. D thesis contains new results on the parameter estimation and optimal design problems of spatial stochastic models. It consists of two parts, which can be treated separately. In the first part of dissertation we consider a spatial linear regression model driven by either a Wiener or a stationary or nonstationary Ornstein-Uhlenbeck (OU) sheet, and we find the explicit forms of the maximum-likelihood estimators (MLE) of the unknown parameters in the case of a quite general spatial domain. In the second part of the dissertation we deal with optimal design problems for parameter estimation and prediction of OU sheets shifted by a constant trend. Optimality has several criteria. For parameter estimation one can consider D-optimality when an appropriate function of the Fisher information is maximized, while for prediction, e.g., the so-called Integrated Mean Squared Prediction Error (IMSPE) or the entropy criterion can be applied. In the second part of the dissertation we deal with optimal design problems with respect to three different optimality criteria. Two different settings of design points are considered, monotonic set and regular grid.We derive exact optimal designs for estimation of parameters of shifted OU sheets on regular grid. We investigate the optimal design for prediction of the random field with respect to IMSPE and entropy criteria for both arrangements of design points. At the end of this chapter we present some numerical experiments in order to compare the performance of IMSPE and entropy criteria and to give a comprehensive comparison of the statistical information of designs for OU sheets.