Clustering numerical weather forecasts to obtain statistical prediction intervals
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F14%3A86096964" target="_blank" >RIV/61989100:27240/14:86096964 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/00216275:25530/14:39898701
Výsledek na webu
<a href="http://onlinelibrary.wiley.com/doi/10.1002/met.1383/epdf" target="_blank" >http://onlinelibrary.wiley.com/doi/10.1002/met.1383/epdf</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1002/met.1383" target="_blank" >10.1002/met.1383</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Clustering numerical weather forecasts to obtain statistical prediction intervals
Popis výsledku v původním jazyce
The numerical weather prediction (NWP) model outputs are point deterministic values arranged on a three-dimensional grid. However, there is always some level of uncertainty in the prediction. Many applications would benefit from provision of relevant uncertainty information along with the forecast. A common means of formulating and communicating forecast uncertainty are prediction intervals (PI). In this study, various methods for modelling the uncertainty of NWP forecasts are investigated and PIs provided for predictions accordingly. In particular, the interest is in analysing the historical performance of the system as a valuable source of information for uncertainty analysis. Various clustering algorithms are employed to group the performance records as the first step of the PI determination process. In the second step, a range of methods are used to fit appropriate probability distributions to errors of each cluster. As a result, PIs can be computed dynamically depending on the for
Název v anglickém jazyce
Clustering numerical weather forecasts to obtain statistical prediction intervals
Popis výsledku anglicky
The numerical weather prediction (NWP) model outputs are point deterministic values arranged on a three-dimensional grid. However, there is always some level of uncertainty in the prediction. Many applications would benefit from provision of relevant uncertainty information along with the forecast. A common means of formulating and communicating forecast uncertainty are prediction intervals (PI). In this study, various methods for modelling the uncertainty of NWP forecasts are investigated and PIs provided for predictions accordingly. In particular, the interest is in analysing the historical performance of the system as a valuable source of information for uncertainty analysis. Various clustering algorithms are employed to group the performance records as the first step of the PI determination process. In the second step, a range of methods are used to fit appropriate probability distributions to errors of each cluster. As a result, PIs can be computed dynamically depending on the for
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/EE2.3.30.0058" target="_blank" >EE2.3.30.0058: Rozvoj kvalitních vědeckovýzkumných týmů na Univerzitě Pardubice</a><br>
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2014
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Meteorological Applications
ISSN
1350-4827
e-ISSN
—
Svazek periodika
21
Číslo periodika v rámci svazku
3
Stát vydavatele periodika
GB - Spojené království Velké Británie a Severního Irska
Počet stran výsledku
14
Strana od-do
605-618
Kód UT WoS článku
000339954700016
EID výsledku v databázi Scopus
2-s2.0-84904763819