Nowcasting sunshine number using logistic modeling
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F13%3A00389974" target="_blank" >RIV/67985807:_____/13:00389974 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/s00703-013-0240-1" target="_blank" >http://dx.doi.org/10.1007/s00703-013-0240-1</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/s00703-013-0240-1" target="_blank" >10.1007/s00703-013-0240-1</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Nowcasting sunshine number using logistic modeling
Popis výsledku v původním jazyce
In this paper, we present a formalized approach to statistical modeling of the sunshine number, binary indicator of whether the Sun is covered by clouds introduced previously by Badescu (Theor Appl Climatol 72:127?136, 2002). Our statistical approach isbased on Markov chain and logistic regression and yields fully specified probability models that are relatively easily identified (and their unknown parameters estimated) from a set of empirical data (observed sunshine number and sunshine stability number series). We discuss general structure of the model and its advantages, demonstrate its performance on real data and compare its results to classical ARIMA approach as to a competitor. Since the model parameters have clear interpretation, we also illustrate how, e.g., their inter-seasonal stability can be tested. We conclude with an outlook to future developments oriented to construction of models allowing for practically desirable smooth transition between data observed with different
Název v anglickém jazyce
Nowcasting sunshine number using logistic modeling
Popis výsledku anglicky
In this paper, we present a formalized approach to statistical modeling of the sunshine number, binary indicator of whether the Sun is covered by clouds introduced previously by Badescu (Theor Appl Climatol 72:127?136, 2002). Our statistical approach isbased on Markov chain and logistic regression and yields fully specified probability models that are relatively easily identified (and their unknown parameters estimated) from a set of empirical data (observed sunshine number and sunshine stability number series). We discuss general structure of the model and its advantages, demonstrate its performance on real data and compare its results to classical ARIMA approach as to a competitor. Since the model parameters have clear interpretation, we also illustrate how, e.g., their inter-seasonal stability can be tested. We conclude with an outlook to future developments oriented to construction of models allowing for practically desirable smooth transition between data observed with different
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
BB - Aplikovaná statistika, operační výzkum
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/LD12009" target="_blank" >LD12009: Pokročilé metody pro predikci výroby elektrické energie z fotovoltaických systémů s využitím numerických modelů počasí s vysokým prostorovým i časovým rozlišením</a><br>
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)
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 periodika
Meteorology and Atmospheric Physics
ISSN
0177-7971
e-ISSN
—
Svazek periodika
120
Číslo periodika v rámci svazku
1-2
Stát vydavatele periodika
AT - Rakouská republika
Počet stran výsledku
11
Strana od-do
61-71
Kód UT WoS článku
000316689700006
EID výsledku v databázi Scopus
—