Magyar
Toggle navigation
Tudóstér
Magyar
Tudóstér
Keresés
Egyszerű keresés
Összetett keresés
CCL keresés
Egyszerű keresés
Összetett keresés
CCL keresés
Böngészés
Saját polc tartalma
(
0
)
Korábbi keresések
Összesen 1 találat.
#/oldal:
12
36
60
120
Rövid
Hosszú
MARC
Részletezés:
Rendezés:
Szerző növekvő
Szerző csökkenő
Cím növekvő
Cím csökkenő
Dátum növekvő
Dátum csökkenő
1.
001-es BibID:
BIBFORM088189
035-os BibID:
(WoS)000560814600001 (Scopus)85089706946
Első szerző:
Baran Sándor (matematikus, informatikus)
Cím:
Statistical post-processing of heat index ensemble forecasts: Is there a royal road? / Sándor Baran, Ágnes Baran, Florian Pappenberger, Zied Ben Bouallegue
Dátum:
2020
ISSN:
0035-9009 1477-870X
Megjegyzések:
We investigate the effect of statistical post?processing on the probabilistic skill of discomfort index (DI) and indoor wet?bulb globe temperature (WBGTid) ensemble forecasts, both calculated from the corresponding forecasts of temperature and dew point temperature. Two different methodological approaches to calibration are compared. In the first case, we start with joint post?processing of the temperature and dew point forecasts and then create calibrated samples of DI and WBGTid using samples from the obtained bivariate predictive distributions. This approach is compared with direct post?processing of the heat index ensemble forecasts. For this purpose, a novel ensemble model output statistics model based on a generalized extreme value distribution is proposed. The predictive performance of both methods is tested on the operational temperature and dew point ensemble forecasts of the European Centre for Medium?Range Weather Forecasts and the corresponding forecasts of DI and WBGTid. For short lead times (up to day 6), both approaches significantly improve the forecast skill. Among the competing post?processing methods, direct calibration of heat indices exhibits the best predictive performance, very closely followed by the more general approach based on joint calibration of temperature and dew point temperature. Additionally, a machine learning approach is tested and shows comparable performance for the case when one is interested only in forecasting heat index warning level categories.
Tárgyszavak:
Természettudományok
Matematika- és számítástudományok
idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
Megjelenés:
Quarterly Journal Of The Royal Meteorological Society. - 146 : 732 (2020), p. 3416-3434. -
További szerzők:
Baran Ágnes (1972-) (matematikus)
Pappenberger, Florian
Ben Bouallègue, Zied
Pályázati támogatás:
NKFIH NN125679
Egyéb
EFOP-3.6.2-16-2017-00015
EFOP
Internet cím:
Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:
Rekordok letöltése
1
Corvina könyvtári katalógus v8.2.27
© 2023
Monguz kft.
Minden jog fenntartva.