CCL

Összesen 2 találat.
#/oldal:
Részletezés:
Rendezés:

1.

001-es BibID:BIBFORM094505
035-os BibID:(WoS)000654007400006 (Scopus)85107427789
Első szerző:Díaz, Mailiu
Cím:Post-processing methods for calibrating the wind speed forecasts in central regions of Chile / Mailiu Díazab, Orietta Nicolisbc, Julio César Marínac, Sándor Baran
Dátum:2021
ISSN:1787-5021 1787-6117
Tárgyszavak:Természettudományok Matematika- és számítástudományok idegen nyelvű folyóiratközlemény hazai lapban
folyóiratcikk
Megjelenés:Annales Mathematicae et Informaticae. - 53 (2021), p. 93-108. -
További szerzők:Nicolis, Orietta Marín, Julio César Baran Sándor (1973-) (matematikus, informatikus)
Pályázati támogatás:NKFIH NN125679
Egyéb
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

2.

001-es BibID:BIBFORM083317
035-os BibID:(cikkazonosító)e1818
Első szerző:Díaz, Mailiu
Cím:Statistical post-processing of ensemble forecasts of temperature in Santiago de Chile / Mailiu Díaz, Orietta Nicolis, Julio César Marín, Sándor Baran
Dátum:2020
ISSN:1350-4827
Megjegyzések:Modelling forecast uncertainty is a difficult task in any forecasting problem. In weather forecasting a possible solution is the use of forecast ensembles, which are obtained from multiple runs of numerical weather prediction models with various initial conditions and model parametrizations to provide information about the expected uncertainty. Currently all major meteorological centres issue forecasts using their operational ensemble prediction systems. However, it is a general problem that the spread of the ensemble is too small compared to observations at specific sites resulting in under-dispersive forecasts, leading to a lack of calibration. In order to correct this problem, various statistical calibration techniques have been developed in the last two decades. In the present work different post-processing techniques were tested for calibrating nine member ensemble forecasts of temperature for Santiago de Chile, obtained by the Weather Research and Forecasting model using different planetary boundary layer and land surface model parametrizations. In particular, the ensemble model output statistics and Bayesian model averaging techniques were implemented and, since the observations are characterized by large altitude differences, the estimation of model parameters was adapted to the actual conditions at hand. Compared to the raw ensemble, all tested post-processing approaches significantly improve the calibration of probabilistic forecasts and the accuracy of point forecasts. The ensemble model output statistics method using parameter estimation based on expert clustering of stations (according to their altitudes) shows the best forecast skill.
Tárgyszavak:Természettudományok Környezettudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
Bayesian model averaging
ensemble model output statistics
ensemble post-processing
probabilistic forecasting
temperature forecast
Megjelenés:Meteorological Applications. - 27 : 1 (2020), p. 1-12. -
További szerzők:Nicolis, Orietta Marín, Julio César Baran Sándor (1973-) (matematikus, informatikus)
Pályázati támogatás:Bolyai János Kutatási Ösztöndíj
MTA
NN125679
Egyéb
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Rekordok letöltése1