Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Modeling forecast uncertainty using fuzzy clustering

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F13%3A86096970" target="_blank" >RIV/61989100:27240/13:86096970 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1007/978-3-642-32922-7_30" target="_blank" >http://dx.doi.org/10.1007/978-3-642-32922-7_30</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-642-32922-7_30" target="_blank" >10.1007/978-3-642-32922-7_30</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Modeling forecast uncertainty using fuzzy clustering

  • Popis výsledku v původním jazyce

    Numerical Weather Prediction (NWP) systems are state-of-the-art atmospheric models that can provide forecasts of various weather attributes. These forecasts are used in many applications as critical inputs for planning and decision making. However, NWP systems cannot supply any information about the uncertainty of the forecasts as their immediate outputs. In this paper, we investigate the application of Fuzzy C-means clustering as a powerful soft computing technique to discover classes of weather situations that follow similar forecast uncertainty patterns. These patterns are then utilized by distribution fitting methods to obtain Prediction Intervals (PIs) that can express the expected accuracy of the NWP system outputs. Three years of weather forecast records were used in a set of experiments to empirically evaluate the applicability of the proposed approach and the accuracy of the computed PIs. Results confirm that the PIs generated by the proposed post-processing procedure have a h

  • Název v anglickém jazyce

    Modeling forecast uncertainty using fuzzy clustering

  • Popis výsledku anglicky

    Numerical Weather Prediction (NWP) systems are state-of-the-art atmospheric models that can provide forecasts of various weather attributes. These forecasts are used in many applications as critical inputs for planning and decision making. However, NWP systems cannot supply any information about the uncertainty of the forecasts as their immediate outputs. In this paper, we investigate the application of Fuzzy C-means clustering as a powerful soft computing technique to discover classes of weather situations that follow similar forecast uncertainty patterns. These patterns are then utilized by distribution fitting methods to obtain Prediction Intervals (PIs) that can express the expected accuracy of the NWP system outputs. Three years of weather forecast records were used in a set of experiments to empirically evaluate the applicability of the proposed approach and the accuracy of the computed PIs. Results confirm that the PIs generated by the proposed post-processing procedure have a h

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2013

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Advances in Intelligent Systems and Computing

  • ISBN

    978-3-642-32921-0

  • ISSN

    2194-5357

  • e-ISSN

  • Počet stran výsledku

    10

  • Strana od-do

    287-296

  • Název nakladatele

    Springer

  • Místo vydání

    Heidelberg

  • Místo konání akce

    Ostrava

  • Datum konání akce

    5. 9. 2012

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku