Верификация прогноза температуры на месяц

Введение 4
Глава 1. Обзор литературы 6
1.1. Система ансамблевого прогнозирования 6
1.2. Виды систем ансамблевого прогнозирования 14
1.3. Основные виды прогностической продукции 16
Глава 2. Используемые модели и базы данных 24
2.1. Используемые базы данных для оценки качества модельных
долгосрочных прогнозов 24
Глава 3. Статистические инструменты, использованные в исследовании.... 25
3.1. Методы оценки качества прогнозов 25
3.2. Классификация членов прогностического ансамбля 28
3.3. Описание процедуры выявления наиболее вероятного класса
прогностического ансамбля 35
Глава 4. Оценка качества ансамблевого прогноза на второй прогностический месяц, по лучшему классу 38
4.1. Постановка задачи исследования 38
4.2. Цели исследования 41
Глава 5. Географическое распределение параметров оценок качества прогнозов по трем методам 42
5.1. Географическое распределение оценок качества прогноза по выбранному классу для 2 месяца прогноза 45
5.2. Географическое распределение оценок качества прогноза по всем членам
ансамбля для 2 месяца прогноза 46
5.3. Географическое распределение оценок качества прогноза по всем членам
ансамбля для 1 месяца прогноза 48
Глава 6. Анализ сравнения оценок качества ретроспективного прогноза
CFSv2 за период с 2010-2018 год по трем методам 50
6.1. Оценка качества ансамблевого прогноза приземного давления по модели
NCEP ретроспективного прогноза CFSv2 за период с 2010-2018 год 50
6.2. Оценка качества ансамблевого прогноза приземной температуры по модели NCEP ретроспективного прогноза CFSv2 за период с 2010-2018
год 55
Глава 7. Выводы, полученные из анализа результатов 61
7.1. Географическое распределение оценок качества прогнозов 61
7.2. Средние значения качества прогнозов для Северного полушария, без
учета календарных особенностей 63
7.3. Сезонные и межгодовые особенности использования ретроспективных
ансамблевых прогнозов модели CFSv2 по трем методам 64
Список литературы 65
Приложение А 67
Приложение Б 69
Приложение В 71
Приложение Г 73

Купить

Потребность общественности в ежемесячных прогнозах погоды неоспорима. Рост населения и технологическое развитие повышают уязвимость общества перед катастрофическими и разрушительными природными явлениями.
Проблема повышения порога предсказуемости метеорологических величин - тема фундаментальных исследований. В нелинейной системе, к которой принадлежит атмосфера, практически невозможно предсказать конкретный ход ее будущего развития, поскольку фактические начальные условия системы никогда не могут быть точно определены.
В последнее время проблема долгосрочного прогнозирования решалась только на основе эмпирических методов, основанных на анализе данных прошлых наблюдений и, в некоторой степени, на прогнозировании по аналогии. Они также используют статистические взаимосвязи между прогнозируемыми переменными и предикторами, дальние связи, цикличность и ритмичность. Быстрое развитие развитие гидродинамических моделей позволило перейти к решению задач долгосрочного прогнозирования на основе глобальных моделей атмосферы и океана.
Но на современном уровне качество эмпирических и гидродинамических методов все еще близко. Эмпирические методы, основанные на ограниченных данных наблюдений, учитывают лишь небольшую часть влияющих факторов. Обнаруженные ими связи со временем становятся нестабильными и не подходят для прогнозирования нестационарных процессов. Поэтому в будущем преимущество останется за гидродинамическим подходом.
Современные гидродинамические модели учитывают гораздо большее количество факторов и основаны на физических законах. У них существует множество ограничений из-за недостаточного пространственного разрешения модели и неполных исходных данных, что в результате приводит к ошибкам и влияет на качество прогнозов. Однако ошибки модели могут быть частично нейтрализованы на основе ансамблевого прогнозирования.
Предполагается, что ансамблевый метод прогнозирования предлагает полный прогностический набор возможных состояний атмосферных процессов в хаотической системе атмосферы. Но осреднение всех возможных состояний приближают прогноз к климатическому и не дают возможности предсказывать экстремальные события. Перед прогнозистом встает проблема определения вероятности осуществления в будущем тех или иных экстремальных погодных условий, но в связи с равной вероятностью осуществления в прогностическом наборе всех членов ансамбля, проблема пока не находит окончательного решения.
Подход к решению задачи совершенствования ансамблевого прогноза путем выбора наиболее вероятных членов ансамбля, из всей совокупности реализаций прогностических макропроцессов, предложен в данном исследовании. Подход показывает пути к улучшению качества ансамблевого долгосрочного прогноза.
В эпоху быстро изменяющегося климата потребитель более не может полностью рассчитывать на синоптические и статистические методы прогнозирования, основанные на принципах аналогичности. При отсутствии в архиве наблюдений аналогичных макропроцессов эти методы часто терпят фиаско. Альтернативные методы- гидродинамический, ансамблевый метод прогноза, в умеренных широтах Северного полушария пока имеет недостаточное качество и требует дальнейшего совершенствования. В связи с этим, данная исследовательская работа по совершенствованию ансамблевого прогноза актуальна на современном этапе развития ансамблевого прогнозирования и востребована в практических применениях. В исследовании решается современная задача отсеивания наиболее вероятных реализаций прогнозов в их практически равновероятном наборе.

Купить