Duális felbontású ensemble előrejelzések statisztikai utófeldolgozása

A tétel rövid nézete
dc.contributor.advisorBaran, Sándor
dc.contributor.authorSzabó, Marianna
dc.contributor.departmentDE--Informatikai Karhu_HU
dc.date.accessioned2019-04-25T10:33:58Z
dc.date.available2019-04-25T10:33:58Z
dc.date.created2018
dc.description.abstractAz elmúlt években az összes nagyobb meteorológiai előrejelzéssel foglalkozó központ a különböző időjárási mennyiségek jövőbeli értékeinek prediktálásához ensemble előrejelzéseket is biztosít, amelyek különböző kezdeti feltételekkel felparaméterezett numerikus időjárási előrejelző modellekből származnak. Ez lehetővé teszi a valószínűségi időjárás előrejelzést, amit az egyesült királyságbeli European Centre for Medium-Range Weather Forecasts (ECMWF) 1992 óta alkalmaz. A 2025-ig terjedő stratégiai tervei szerint az ECMWF 18 km-ről 5 km-re növeli az ensemble előrejelzések felbontását, ami jelentősen megnöveli a számítási erőforrás igényt. Ezzel a tervezettel kapcsolatban az ECMWF-nél kísérleteket végeznek olyan magas és alacsony felbontású ensemble előrejelzésekből álló keverékek előállításával, amelyek az eddig használatban lévő modellel azonos számítási költséggel rendelkezzenek annak érdekében, hogy meghatározzák, létezik-e olyan optimális kombináció, amely a legjobb prediktív teljesítményt nyújtja. Jelen dolgozatban az ilyen duális felbontású globális ensemble előrejelzésekre elvégzett statisztikai utófeldolgozás viselkedését vizsgáljuk a felszíni hőmérsékletre, ahol a kalibráláshoz az ensemble model output statistics technikát (EMOS) alkalmazzuk. A vizsgálni kívánt keverékekben nagy felbontásúnak tekintjük az ECMWF 18 km-es rezolúcióval rendelkező 50 tagú operatív TCo639 előrejelzését, míg alacsony felbontásúnak a 200 tagú TCo399 ensemble előrejelzést, amelynek horizontális felbontása 29 km. Az 1-5 napos előrejelzésekre lokális és szemi-lokális EMOS utófeldolgozással végzett vizsgálatok alátámasztják a magas és alacsony felbontású előrejelzések optimális kombinációjának létezését, emellett a statisztikai kalibrálás csökkenti az illeszkedési mutatók közötti különbségeket.hu_HU
dc.description.courseProgramtervező informatikushu_HU
dc.description.degreeMSc/MAhu_HU
dc.format.extent33hu_HU
dc.identifier.urihttp://hdl.handle.net/2437/266033
dc.language.isohuhu_HU
dc.subjectensemble előrejelzéshu_HU
dc.subjectidőjárás előrejelzéshu_HU
dc.subjectmodellillesztéshu_HU
dc.subject.dspaceDEENK Témalista::Informatikahu_HU
dc.subject.dspaceDEENK Témalista::Informatika::Alkalmazott matematikahu_HU
dc.titleDuális felbontású ensemble előrejelzések statisztikai utófeldolgozásahu_HU
Fájlok
Gyűjtemények
Hallgatói dolgozatok (Informatikai Kar)