Prognozy zmian poziomu oceanu a El Niño 2015/2016 system Prognocean Plus jako usługa nowej generacji dla Nauki Polskiej.
|
|
- Aniela Bukowska
- 5 lat temu
- Przeglądów:
Transkrypt
1 M. Świerczyńska, B. Miziński, T. Niedzielski Zakład Geoinformatyki i Kartografii Instytutu Geografii i Rozwoju Regionalnego Uniwersytetu Wrocławskiego Wprowadzenie: system Prognocean Plus Cele i metody Aktualny stan wiedzy i schemat postępowania Wyniki Podsumowanie Współczesne problemy podstawowych osnów geodezyjnych w Polsce, Polska września 2016
2 Wprowadzenie: system Prognocean Plus Prognocean Plus system prognozowania wysokorozdzielczych map anomalii poziomu oceanu w czasie rzeczywistym Twórcy systemu: Tomasz Niedzielski, Bartłomiej Miziński, Małgorzata Świerczyńska
3 Wprowadzenie: system Prognocean Plus Prognozowane są dane gridowe o wysokiej rozdzielczości przestrzennej (1/4 x 1/4 ) pochodzące z obserwacji topografii powierzchni oceanu prowadzonych przez satelity altimetryczne. Stosowane są cztery modele empiryczne, jeden deterministyczny i trzy deterministyczno-stochastyczne. Prognozy o długości od 1 do 14 dni (z krokiem dobowym) aktualizowane są co dobę. Prognozy o długości od 1 do 12 tygodni (z krokiem tygodniowym) aktualizowane są co tydzień. Prognozy i ich statystyki są publikowane w dedykowanym serwisie mapowym WMS (Web Map Service) oraz są dostępne jako dane surowe przez WCS (Web Coverage Service). Prognocean Plus jest jednym z kilku na świecie serwisów dostarczających prognozy zmian poziomu oceanu w czasie rzeczywistym.
4 Wprowadzenie: system Prognocean Plus
5 Cele i metody Cel Zweryfikowanie prognoz anomalii zmian poziomu oceanu, produkowanych przez system Prognocean Plus, przypadających na okres trwania El Niño 2015/2016 zidentyfikować taki obszar Nino, w którym istnieje szansa na otrzymanie prognozy El Niño 2015/2016 Metody Statystyki błędów i dopasowania modeli: Błąd średniokwadratowy (RMSE) Średni błąd absolutny (MAE) Współczynnik wydajności Nasha-Sutcliffa (NSE) Współczynnik korelacji (R 2 ) Współczynnik zgodności (d-index)
6 Aktualny stan wiedzy Prognocean Plus vs MyOcean Świerczyńska i in., 2016
7 Schemat postępowania Założenia wstępne 1. Badane są prognozy z tygodniowym krokiem czasowym (1-12 tygodni). 2. Do analizy wzięto model PHAR (autoregresji), PHTAR (autoregresji progowej) i PHMAR (wielowymiarowy model autoregresji). 3. Statystyki liczone dla czterech okresów: SON, OND, NDJ, DJF. 4. Statystyki liczone dla charakterystycznych punktów na oceanie (punkty środkowe stref: nino3, nino3.4, nino4 oraz nino1+2). 5. Wykresy spaghetti dla czterech sezonów i trzech modeli w każdym z punktów (48 wykresów). 6. Wykresy średnich błędów dla każdej długości prognozy z wybranego okresu w wybranym punkcie oceanu.
8 Punkt środkowy obszaru Nino1+2 Cel: prognoza lokalnego maksimum MAE [cm] Wyniki PHTAR PHAR PHMAR SON OND NDJ DJF 6 7 długość prognozy
9 Wyniki MAE [cm] Punkt środkowy obszaru Nino3 Cel: prognoza lokalnego maksimum PHTAR PHAR PHMAR SON OND NDJ DJF długość prognozy
10 Wyniki MAE [cm] Punkt środkowy obszaru Nino3.4 Cel:??? PHTAR PHAR PHMAR SON OND NDJ DJF długość prognozy
11 Wyniki MAE [cm] Punkt środkowy obszaru Nino4 Cel: prognoza silnego spadku i lokalnego minimum PHTAR PHAR PHMAR SON OND NDJ DJF długość prognozy
12 Podsumowanie Wnioski 1. Wiemy, że Prognocean Plus się myli (Niedzielski i Miziński 2013, Świerczyńska i in. 2016) 2. Widoczne błędy prognoz na okołorównikowym Pacyfiku (większe wraz ze wzrostem długości prognozy) 3. Najlepsze dopasowanie modeli dla punktu w obszarze Nino1+2 (6-8 tygodniowe prognozy maksimum zjawiska z modelu TAR dla okresu SON). 4. Najdłuższe prognozy (8-12 tygodni) sprawdzają się w warunkach przejścia z warunków El Niño do warunków normalnych (model MAR, okres NDJ, Nino1+2). 5. Dużo szumu w prognozach dla punktu w obszarze Nino3.4, trudnego do interpretacji.
13 DZIĘKUJĘ ZA UWAGĘ Współczesne problemy podstawowych osnów geodezyjnych w Polsce, Polska września 2016
5. Model sezonowości i autoregresji zmiennej prognozowanej
5. Model sezonowości i autoregresji zmiennej prognozowanej 1. Model Sezonowości kwartalnej i autoregresji zmiennej prognozowanej (rząd istotnej autokorelacji K = 1) Szacowana postać: y = c Q + ρ y, t =
Bardziej szczegółowo4. Średnia i autoregresja zmiennej prognozowanej
4. Średnia i autoregresja zmiennej prognozowanej 1. Średnia w próbie uczącej Własności: y = y = 1 N y = y t = 1, 2, T s = s = 1 N 1 y y R = 0 v = s 1 +, 2. Przykład. Miesięczna sprzedaż żelazek (szt.)
Bardziej szczegółowoEkonometria. Zajęcia
Ekonometria Zajęcia 16.05.2018 Wstęp hipoteza itp. Model gęstości zaludnienia ( model gradientu gęstości ) zakłada, że gęstość zaludnienia zależy od odległości od okręgu centralnego: y t = Ae βx t (1)
Bardziej szczegółowoProblematyka dostępności sygnałów GNSS na obszarach miejskich Kinga Królikowska, Piotr Banasik
Problematyka dostępności sygnałów GNSS na obszarach miejskich Kinga Królikowska, Piotr Banasik AGH Akademia Górniczo-Hutnicza Przykłady zróżnicowanego dostępu do sygnałów GNSS (1) Na Rynku Głównym w Krakowie
Bardziej szczegółowoZakład Geoinformatyki i Kartografii
Zakład Geoinformatyki i Kartografii Propozycje tematów prac dyplomowych- magisterskich przewidzianych do realizacji od roku akademickiego 2016/2017 przez studentów geografii Lp. 1 Zastosowanie systemu
Bardziej szczegółowoWprowadzenie do teorii prognozowania
Wprowadzenie do teorii prognozowania I Pojęcia: 1. Prognoza i zmienna prognozowana (przedmiot prognozy). Prognoza punktowa i przedziałowa. 2. Okres prognozy i horyzont prognozy. Prognozy krótkoterminowe
Bardziej szczegółowoPrognozowanie zanieczyszczeń atmosferycznych przy użyciu sieci neuronowych
Prognozowanie zanieczyszczeń atmosferycznych przy użyciu sieci neuronowych prof. zw. dr hab. inż. Stanisław Osowski dr inż. Krzysztof Siwek Politechnika Warszawska Kontynuacja prac Prace prowadzone w roku
Bardziej szczegółowo3. Analiza własności szeregu czasowego i wybór typu modelu
3. Analiza własności szeregu czasowego i wybór typu modelu 1. Metody analizy własności szeregu czasowego obserwacji 1.1. Analiza wykresu szeregu czasowego 1.2. Analiza statystyk opisowych zmiennej prognozowanej
Bardziej szczegółowoBadania wpływu charakterystyki dokładnościowej korekt różnicowych na poprawne wyznaczenie nieoznaczoności w pozycjonowaniu GNSS-RTK
Badania wpływu charakterystyki dokładnościowej korekt różnicowych na poprawne wyznaczenie nieoznaczoności w pozycjonowaniu GNSS-RTK Rozprawa doktorska Warszawa, 15 maja 214 r. Dominik Próchniewicz Politechnika
Bardziej szczegółowoAnaliza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817
Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817 Zadanie 1: wiek 7 8 9 1 11 11,5 12 13 14 14 15 16 17 18 18,5 19 wzrost 12 122 125 131 135 14 142 145 15 1 154 159 162 164 168 17 Wykres
Bardziej szczegółowoQuasi-geoida idealnie dopasowana czy idealnie grawimetryczna
Katedra Geodezji i Astronomii Geodezyjnej Wydział Geodezji i Kartografii Politechnika Warszawska Quasi-geoida idealnie dopasowana czy idealnie grawimetryczna Tomasz Olszak, Dominik Piętka, Ewa Andrasik
Bardziej szczegółowoAnomalie gradientu pionowego przyspieszenia siły ciężkości jako narzędzie do badania zmian o charakterze hydrologicznym
Anomalie gradientu pionowego przyspieszenia siły ciężkości jako narzędzie do badania zmian o charakterze hydrologicznym Dawid Pruchnik Politechnika Warszawska 16 września 2016 Cel pracy Zbadanie możliwości
Bardziej szczegółowoWojny Coli - czyli siła reklamy na rynku oligopolicznym
Wojny Coli (Cola wars) - czyli siła reklamy na rynku oligopolicznym Maja Włoszczowska Promotor: Dr Rafał Weron Wydział Podstawowych Problemów Techniki Politechnika Wrocławska Wrocław, 26 stycznia 2008
Bardziej szczegółowoPROGNOZOWANIE CEN ENERGII NA RYNKU BILANSUJĄCYM
"DIALOG 0047/2016" PROGNOZOWANIE CEN ENERGII NA RYNKU BILANSUJĄCYM WYDZIAŁ ELEKT RYCZ N Y Prof. dr hab. inż. Tomasz Popławski Moc zamówiona 600 Rynek bilansujący Moc faktycznie pobrana Energia zakupiona
Bardziej szczegółowoNormy serii ISO 19100 w geodezji i geoinformatyce
Akademia Rolnicza we Wrocławiu Normy serii ISO 19100 w geodezji i geoinformatyce Adam Iwaniak Alina Kmiecik Nowoczesne ODGIK - utopia czy rzeczywistość, Wisła 13-15 października 2006 Lata 80te Spectrum,
Bardziej szczegółowoEwelina Henek, Agnieszka Wypych, Zbigniew Ustrnul. Instytut Meteorologii i Gospodarki Wodnej Państwowy Instytut Badawczy (IMGW-PIB)
Ewelina Henek, Agnieszka Wypych, Zbigniew Ustrnul Instytut Meteorologii i Gospodarki Wodnej Państwowy Instytut Badawczy (IMGW-PIB) IT SYSTEM GŁÓWNE KOMPONENTY SYSTEMU ISOK: Dane LIDAR (4- punktów/m ; >00
Bardziej szczegółowogvsig jako przykład desktopowego klienta usług sieciowych OGC
Robert Szczepanek Zakład Hydrologii Politechnika Krakowska gvsig jako przykład desktopowego klienta usług sieciowych OGC Konferencja Wolne oprogramowanie dla wykonawstwa i administracji geodezyjnej 23
Bardziej szczegółowoWIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność
Bardziej szczegółowoRegresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna
Regresja wieloraka Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna zmienna niezależna (można zobrazować
Bardziej szczegółowoZMIDEX analiza zdolności prognostycznej
ZMIDEX analiza zdolności prognostycznej 1 KURS ZAMKNIECIA WIG 40000 45000 50000 55000 ZMIDEX, a poziom indeksu ZMIDEX vs. WIG Regresja Liniowa (KMRL) Istotny dodatni związek ZMIDEX-u ze wszystkimi badanymi
Bardziej szczegółowoSERWIS INTERAKTYWNEGO MONITOROWANIA WSPÓŁRZĘDNYCH STACJI SIECI ASG-EUPOS
II Konferencja Użytkowników ASG-EUPOS Katowice 2012 SERWIS INTERAKTYWNEGO MONITOROWANIA WSPÓŁRZĘDNYCH STACJI SIECI ASG-EUPOS K. Szafranek, A. Araszkiewicz, J. Bogusz, M. Figurski Realizacja grantu badawczo-rozwojowego
Bardziej szczegółowoAnaliza autokorelacji
Analiza autokorelacji Oblicza się wartości współczynników korelacji między y t oraz y t-i (dla i=1,2,...,k), czyli współczynniki autokorelacji różnych rzędów. Bada się statystyczną istotność tych współczynników.
Bardziej szczegółowoPo co w ogóle prognozujemy?
Po co w ogóle prognozujemy? Pojęcie prognozy: racjonalne, naukowe przewidywanie przyszłych zdarzeń stwierdzenie odnoszącym się do określonej przyszłości formułowanym z wykorzystaniem metod naukowym, weryfikowalnym
Bardziej szczegółowo7.4 Automatyczne stawianie prognoz
szeregów czasowych za pomocą pakietu SPSS Następnie korzystamy z menu DANE WYBIERZ OBSERWACJE i wybieramy opcję WSZYSTKIE OBSERWACJE (wówczas wszystkie obserwacje są aktywne). Wreszcie wybieramy z menu
Bardziej szczegółowoProjekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski
Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski Zadanie 1 Eksploracja (EXAMINE) Informacja o analizowanych danych Obserwacje Uwzględnione Wykluczone Ogółem
Bardziej szczegółowoWykład 3. Rozkład normalny
Funkcje gęstości Rozkład normalny Reguła 68-95-99.7 % Wykład 3 Rozkład normalny Standardowy rozkład normalny Prawdopodobieństwa i kwantyle dla rozkładu normalnego Funkcja gęstości Frakcja studentów z vocabulary
Bardziej szczegółowoREGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji
Statystyka i opracowanie danych Ćwiczenia 5 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ MODEL REGRESJI LINIOWEJ Analiza regresji
Bardziej szczegółowoREGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ
REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ Korelacja oznacza fakt współzależności zmiennych, czyli istnienie powiązania pomiędzy nimi. Siłę i kierunek powiązania określa się za pomocą współczynnika korelacji
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoGeoportal monitoringu środowiska województwa lubelskiego, jako forma informowania społeczeństwa o stanie środowiska w województwie
Geoportal monitoringu środowiska województwa lubelskiego, jako forma informowania społeczeństwa o stanie środowiska w województwie WIOŚ LUBLIN Joanna Śluz Łukasz Prażmo Państwowy Monitoring Środowiska
Bardziej szczegółowowprowadzenie do analizy szeregów czasowych
19 stycznia 2016 Wprowadzenie Prezentacja danych Dekompozycja Preprocessing Model predykcji ARIMA Dobór parametrów modelu ARIMA Podsumowanie Definicje i przykłady Definicje Szeregiem czasowym nazywamy
Bardziej szczegółowoEkonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 9 marca 2007
, transformacja liniowa i estymacja modelu KMNK Paweł Cibis pawel@cibis.pl 9 marca 2007 1 Miary dopasowania modelu do danych empirycznych Współczynnik determinacji Współczynnik zbieżności Skorygowany R
Bardziej szczegółowoEkonometria ćwiczenia 3. Prowadzący: Sebastian Czarnota
Ekonometria ćwiczenia 3 Prowadzący: Sebastian Czarnota Strona - niezbędnik http://sebastianczarnota.com/sgh/ Normalność rozkładu składnika losowego Brak normalności rozkładu nie odbija się na jakości otrzymywanych
Bardziej szczegółowoDane przestrzenne dostępne przez usługi sieciowe w realizacji zadań administracji publicznej. Dr inż. Joanna Jaroszewicz
Dane przestrzenne dostępne przez usługi sieciowe w realizacji zadań administracji publicznej Dr inż. Joanna Jaroszewicz Realizuje zadania: Określone przez PRAWO To wszystko wymaga: Zintegrowanych działań
Bardziej szczegółowoMałgorzata Paciorek, Agnieszka Bemka EKOMETRIA Sp. z o.o. Gdańsk
Małgorzata Paciorek, Agnieszka Bemka EKOMETRIA Sp. z o.o. Gdańsk Cel zadania Dostarczenie krótkoterminowej prognozy jakości powietrza dla wybranych zanieczyszczeń (NO 2, SO 2, ozon, PM10, PM2,5, CO) na
Bardziej szczegółowoDane hydrogeologiczne, systemy wspomagania decyzji i Dyrektywa INSPIRE
Dane hydrogeologiczne, systemy wspomagania decyzji i Dyrektywa INSPIRE MATEUSZ HORDEJUK, ZBIGNIEW NOWICKI Państwowy Instytut Geologiczny Państwowy Instytut Badawczy www.pgi.gov.pl www.psh.gov.pl Główne
Bardziej szczegółowoALGORYTM UZUPEŁNIANIA BRAKUJĄCYCH DANYCH W ZBIORACH REJESTROWANYCH NA STACJACH MONITORINGU POWIETRZA
ALGORYTM UZUPEŁNIANIA BRAKUJĄCYCH DANYCH W ZBIORACH REJESTROWANYCH NA STACJACH MONITORINGU POWIETRZA Szymon HOFFMAN, Rafał JASIŃSKI Politechnika Częstochowska Wydział Inżynierii i Ochrony Środowiska ul.
Bardziej szczegółowoInfrastruktura PLGrid dla wspomagania Polskiej Nauki w Europejskiej Przestrzeni Badawczej. Infrastruktura PLGrid
Infrastruktura PLGrid dla wspomagania Polskiej Nauki w Europejskiej Przestrzeni Badawczej Newsletter Nr 1, marzec 2015 Infrastruktura PLGrid........................................................... 1
Bardziej szczegółowoDopasowywanie modelu do danych
Tematyka wykładu dopasowanie modelu trendu do danych; wybrane rodzaje modeli trendu i ich właściwości; dopasowanie modeli do danych za pomocą narzędzi wykresów liniowych (wykresów rozrzutu) programu STATISTICA;
Bardziej szczegółowoAPROKSYMACJA POZIOMU IMISJI NA STACJACH MONITORINGU POWIETRZA ZA POMOCĄ AUTONOMICZNYCH MODELI NEURONOWYCH
APROKSYMACJA POZIOMU IMISJI NA STACJACH MONITORINGU POWIETRZA ZA POMOCĄ AUTONOMICZNYCH MODELI NEURONOWYCH Szymon HOFFMAN Katedra Chemii, Technologii Wody i Ścieków, Politechnika Częstochowska ul. Dąbrowskiego
Bardziej szczegółowo3. Modele tendencji czasowej w prognozowaniu
II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa
Bardziej szczegółowoTomasz Niedzielski a,b, Wiesław Kosek a
STATYSTYCZNA ISTOTNOŚĆ GLOBALNEGO TRENDU W ZMIANACH POZIOMU OCEANU OBSERWOWANYCH ZA POMOCA SATELITÓW ALTIMETRYCZNYCH TOPEX/POSEIDON I JASON-1 Tomasz Niedzielski a,b, Wiesław Kosek a a Centrum Badań Kosmicznych
Bardziej szczegółowoBorucino ROK Uniwersytecki Biuletyn Meteorologiczny. Nr 109 (158) KATEDRA METEOROLOGII I KLIMATOLOGII Instytut Geografii, Uniwersytet Gdański
Uniwersytecki Biuletyn Meteorologiczny Borucino ROK 218 KATEDRA METEOROLOGII I KLIMATOLOGII Instytut Geografii, Uniwersytet Gdański Nr 19 (158) ISSN 281-884X Od Redakcji: Opracowanie i publikację warunków
Bardziej szczegółowoEkonometria. Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych. Jakub Mućk. Katedra Ekonomii Ilościowej
Ekonometria Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Wykład 4 Prognozowanie, stabilność 1 / 17 Agenda
Bardziej szczegółowoĆwiczenia IV
Ćwiczenia IV - 17.10.2007 1. Spośród podanych macierzy X wskaż te, których nie można wykorzystać do estymacji MNK parametrów modelu ekonometrycznego postaci y = β 0 + β 1 x 1 + β 2 x 2 + ε 2. Na podstawie
Bardziej szczegółowoProblem testowania/wzorcowania instrumentów geodezyjnych
Problem testowania/wzorcowania instrumentów geodezyjnych Realizacja Osnów Geodezyjnych a Problemy Geodynamiki Grybów, 25-27 września 2014 Ryszard Szpunar, Dominik Próchniewicz, Janusz Walo Politechnika
Bardziej szczegółowoKSZTAŁCENIE KARTOGRAFÓW NA STUDIACH UNIWERSYTECKICH A ZAWODOWE UPRAWNIENIA KARTOGRAFICZNE
Krzysztof Kałamucki UMCS w Lublinie, Zakład Kartografii i Geomatyki Jolanta Korycka-Skorupa Uniwersytet Warszawski, Katedra Kartografii Waldemar Spallek Uniwersytet Wrocławski, Zakład Geoinformatyki i
Bardziej szczegółowoRozdział 8. Regresja. Definiowanie modelu
Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność
Bardziej szczegółowoWytyczne do projektów
Wytyczne do projektów Prognozowanie i symulacje wszystkie rodzaje studiów Politechnika Śląska Wydział Organizacji i Zarządzania w Zabrzu rok akademicki 2012/13 Wytyczne do projektów Prognozowanie i symulacje
Bardziej szczegółowoModuł modelowania i predykcji stanu troposfery projekt ASG+ Budowa modułów wspomagania serwisów czasu rzeczywistego systemu ASG-EUPOS
Moduł modelowania i predykcji stanu troposfery projekt ASG+ Budowa modułów wspomagania serwisów czasu rzeczywistego systemu ASG-EUPOS Jarosław BOSY Witold ROHM Jan KAPŁON Jan SIERNY Instytut Geodezji i
Bardziej szczegółowoPrognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania
Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym
Bardziej szczegółowoINSTYTUT METEOROLOGII I GOSPODARKI WODNEJ PAŃSTWOWY INSTYTUT BADAWCZY Oddział we Wrocławiu. Görlitz
Görlitz 17.11.2014 Pakiet programów MIKE opracowany na Politechnice Duńskiej, zmodyfikowany przez Duński Instytut Hydrauliki, Zasady działania modeli: MIKE NAM - model konceptualny o parametrach skupionych,
Bardziej szczegółowoTEMATYKA PRAC DYPLOMOWYCH INŻYNIERSKICH STUDIA STACJONARNE PIERWSZEGO STOPNIA ROK AKADEMICKI 2010/11
Załącznik nr 7 STUDIA STACJONARNE PIERWSZEGO STOPNIA ROK AKADEMICKI 2010/11 Jednostka: KATEDRA GEODEZJI SATELITARNEJ I NAWIGACJI Specjalność: GEODEZJA I GEOINFORMATYKA Prof. dr hab. inż. Stanisław Oszczak
Bardziej szczegółowoJakość informacji o środowisku - "odpowiedzialność" za informację
Jakość informacji o środowisku - "odpowiedzialność" za informację Dominik Kobus Instytut Ochrony Środowiska - PIB Polskie Stowarzyszenie Informatyki Środowiska kompensują stymuluje Przykład - Jakość powietrza
Bardziej szczegółowoPrzedmiot Wykłady Ćwicz. Konw. Przedmioty obowiązkowe
Minimum programowe dla studentów MISMaP rozpoczynających studia w roku 2015/2016 zamierzających uzyskać licencjat na kierunku Geografia WGSR w zakresie specjalności: Geografia fizyczna stosowana Przedmioty
Bardziej szczegółowoRealizacja projektu modernizacji podstawowej osnowy grawimetrycznej kraju
Realizacja projektu modernizacji podstawowej osnowy grawimetrycznej kraju Jan Kryński 1), Marcin Barlik 2) 1) Instytut Geodezji i Kartografii 2) Katedra Geodezji i Astronomii Geodezyjnej Politechniki Warszawskiej
Bardziej szczegółowoMotto. Czy to nie zabawne, że ci sami ludzie, którzy śmieją się z science fiction, słuchają prognoz pogody oraz ekonomistów? (K.
Motto Cz to nie zabawne, że ci sami ludzie, którz śmieją się z science fiction, słuchają prognoz pogod oraz ekonomistów? (K. Throop III) 1 Specfika szeregów czasowch Modele szeregów czasowch są alternatwą
Bardziej szczegółowoMETODY I TECHNOLOGIA SPRAWDZANIA AKTUALNOŚCI MATERIAŁÓW KARTOGRAFICZNYCH NA POTRZEBY POWSZECHNEJ TAKSACJI
Anna Sobieraj Uniwersytet Warmińsko-Mazurski w Olsztynie METODY I TECHNOLOGIA SPRAWDZANIA AKTUALNOŚCI MATERIAŁÓW KARTOGRAFICZNYCH NA POTRZEBY POWSZECHNEJ TAKSACJI XX JUBILEUSZOWA JESIENNA SZKOŁA GEODEZJI
Bardziej szczegółowoRola innowacji w ocenie ryzyka eksploatacji obiektów hydrotechnicznych
Politechnika Krakowska Instytut Inżynierii i Gospodarki Wodnej Rola innowacji w ocenie ryzyka eksploatacji obiektów hydrotechnicznych XXVI Konferencja Naukowa Metody Komputerowe w Projektowaniu i Analizie
Bardziej szczegółowoJanusz Bogusz 1), Bernard Kontny 2)
Janusz Bogusz 1), Bernard Kontny 2) 1) Centrum Geomatyki Stosowanej, WAT Warszawa 2) Instytut Geodezji i Geoinformatyki, UP Wrocław Założenia: Stworzenie modułu ruchów poziomych litosfery w oparciu o sieć
Bardziej szczegółowoMODELE AUTOREGRESYJNE W PROGNOZOWANIU CEN ZBÓŻ W POLSCE
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XI/2, 2010, str. 254 263 MODELE AUTOREGRESYJNE W PROGNOZOWANIU CEN ZBÓŻ W POLSCE Agnieszka Tłuczak Zakład Ekonometrii i Metod Ilościowych, Wydział Ekonomiczny
Bardziej szczegółowoStatystyka. Wykład 8. Magdalena Alama-Bućko. 10 kwietnia Magdalena Alama-Bućko Statystyka 10 kwietnia / 31
Statystyka Wykład 8 Magdalena Alama-Bućko 10 kwietnia 2017 Magdalena Alama-Bućko Statystyka 10 kwietnia 2017 1 / 31 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny 2. Zmienne losowe i teoria prawdopodobieństwa 3. Populacje i próby danych 4. Testowanie hipotez i estymacja parametrów 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoGEOPORTAL to nie zwykła strona z mapą! Prezentacja technologii GeoportalToolkit. Łukasz Łukasiewicz ISPiK S.A. llukasiewicz@ispik.
Instytut Systemów Przestrzennych i Katastralnych S.A. GLIWICE GEOPORTAL to nie zwykła strona z mapą! Prezentacja technologii GeoportalToolkit Łukasz Łukasiewicz ISPiK S.A. llukasiewicz@ispik.pl Wisła 08-10.09.2010
Bardziej szczegółowoŹródła pozyskiwania danych grawimetrycznych do redukcji obserwacji geodezyjnych Tomasz Olszak Małgorzata Jackiewicz Stanisław Margański
Źródła pozyskiwania danych grawimetrycznych do redukcji obserwacji geodezyjnych Tomasz Olszak Małgorzata Jackiewicz Stanisław Margański Wydział Geodezji i Kartografii Politechniki Warszawskiej Motywacja
Bardziej szczegółowoROLA INTEROPERACYJNOŚCI W BUDOWIE CYFROWYCH USŁUG PUBLICZNYCH ORAZ W UDOSTĘPNIANIU ZASOBÓW OTWARTYCH DANYCH
ROLA INTEROPERACYJNOŚCI W BUDOWIE CYFROWYCH USŁUG PUBLICZNYCH ORAZ W UDOSTĘPNIANIU ZASOBÓW OTWARTYCH DANYCH Adam Iwaniak Instytut Geodezji i Geoinformatyki, Uniwersytet Przyrodniczy we Wrocławiu Wrocławski
Bardziej szczegółowoSŁUŻBA GEODEZYJNA I KARTOGRAFICZNA W OBLICZU NADCHODZĄCYCH ZMIAN
Zapobieganie powstawaniu zagrożeń powodziowych na terenach zalewowych powstałych w wyniku eksploatacji górniczej przy wykorzystaniu danych pochodzących ze skaningu laserowego Wojciech Jeszka Agata Szeliga
Bardziej szczegółowoROLA ADMINISTRACJI W FOSS
ROLA ADMINISTRACJI W FOSS Magdalena Belof, Przemysław Malczewski Wrocław 13 maj 2010 SAMORZĄDOWA JEDNOSTKA ORGANIZACYJNA WOJEWÓDZTWA DOLNOŚLĄSKIEGO DZIAŁALNOŚC BIURA Wojewódzkie Biuro Urbanistyczne we
Bardziej szczegółowoStatystyka i Analiza Danych
Warsztaty Statystyka i Analiza Danych Gdańsk, 20-22 lutego 2014 Zastosowania wybranych technik regresyjnych do modelowania współzależności zjawisk Janusz Wątroba StatSoft Polska Centrum Zastosowań Matematyki
Bardziej szczegółowoDANE STATYSTYKI PUBLICZNEJ I OBLICZENIA WSKAŹNIKÓW CHARAKTERYZUJĄCYCH RYNEK PRACY ORAZ GOSPODARKĘ AGLOMERACJI POZNAŃSKIEJ
DANE STATYSTYKI PUBLICZNEJ I OBLICZENIA WSKAŹNIKÓW CHARAKTERYZUJĄCYCH RYNEK PRACY ORAZ GOSPODARKĘ AGLOMERACJI POZNAŃSKIEJ OBSERWATORIUM GOSPODARKI I RYNKU PRACY AGLOMERACJI POZNAŃSKIEJ STOPA BEZROBOCIA
Bardziej szczegółowoWydział Matematyki. Testy zgodności. Wykład 03
Wydział Matematyki Testy zgodności Wykład 03 Testy zgodności W testach zgodności badamy postać rozkładu teoretycznego zmiennej losowej skokowej lub ciągłej. Weryfikują one stawiane przez badaczy hipotezy
Bardziej szczegółowoAnaliza rynku projekt
Analiza rynku projek A. Układ projeku 1. Srona yułowa Tema Auor 2. Spis reści 3. Treść projeku 1 B. Treść projeku 1. Wsęp Po co? Na co? Dlaczego? Dlaczego robię badania? Jakimi meodami? Dla Kogo o jes
Bardziej szczegółowoWykorzystanie sieci ASG EUPOS w zadaniach związanych z realizacją systemu odniesień przestrzennych
Wykorzystanie sieci ASG EUPOS w zadaniach związanych z realizacją systemu odniesień przestrzennych Marcin Ryczywolski 1, Tomasz Liwosz 2 1 Główny Urząd Geodezji i Kartografii, Departament Geodezji, Kartografii
Bardziej szczegółowoOpis przedmiotu zamówienia na:
Załącznik nr 5 do SIWZ Opis przedmiotu zamówienia na: Sporządzenie oceny w zakresie metodyki opracowania mapy zagrożenia dla zdrowia i życia ludności z uwagi na warunki meteorologiczne i społeczną wrażliwość
Bardziej szczegółowoTestowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona;
LABORATORIUM 4 Testowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona; dwie zmienne zależne mierzalne małe próby duże próby rozkład normalny
Bardziej szczegółowoKlimat w Polsce w 21. wieku
Klimat w Polsce w 21. wieku na podstawie numerycznych symulacji regionalnych Małgorzata Liszewska Interdyscyplinarne Centrum Modelowania Matematycznego i Komputerowego UNIWERSYTET WARSZAWSKI 1/42 POGODA
Bardziej szczegółowoROK Uniwersytecki Biuletyn Meteorologiczny. Borucino. Nr 44 (93) ISSN X
Uniwersytecki Biuletyn Meteorologiczny Borucino ROK 213 KATEDRA METEOROLOGII I KLIMATOLOGII Instytut Geografii, Uniwersytet Gdański Nr 44 (93) ISSN 281-884X Od Redakcji: Opracowanie i publikację warunków
Bardziej szczegółowoZmiany klimatu a zagrożenie suszą w Polsce
Zmiany klimatu a zagrożenie suszą w Polsce Warszawa, r. Nr Projektu: POIS.02.01.00-00-0015/16 1 WPROWADZENIE W Polsce od zawsze występowały ekstremalne zjawiska meteorologiczne i hydrologiczne. W ostatnich
Bardziej szczegółowoEkonometria dynamiczna i finansowa Kod przedmiotu
Ekonometria dynamiczna i finansowa - opis przedmiotu Informacje ogólne Nazwa przedmiotu Ekonometria dynamiczna i finansowa Kod przedmiotu 11.5-WK-IiED-EDF-W-S14_pNadGenMOT56 Wydział Kierunek Wydział Matematyki,
Bardziej szczegółowoKształtowanie się cen m 2 mieszkania we Wrocławiu w krótkim okresie
Kształtowanie się cen m 2 mieszkania we Wrocławiu w krótkim okresie Projekt prognostyczny ElŜbieta Bulak Piotr Olszewski Michał Tomanek Tomasz Witka IV ZI gr. 13. Wrocław 2007 I. Sformułowanie zadania
Bardziej szczegółowoLABORATORIUM 3. Jeśli p α, to hipotezę zerową odrzucamy Jeśli p > α, to nie mamy podstaw do odrzucenia hipotezy zerowej
LABORATORIUM 3 Przygotowanie pliku (nazwy zmiennych, export plików.xlsx, selekcja przypadków); Graficzna prezentacja danych: Histogramy (skategoryzowane) i 3-wymiarowe; Wykresy ramka wąsy; Wykresy powierzchniowe;
Bardziej szczegółowoSzkolne plany nauczania 2017/18; 2018/19; 2019/20. klasy I
Szkolne plany nauczania obowiązujące w latach ; ; klasy I IV Liceum Ogólnokształcące im. T. Kościuszki w Krakowie obowiązujący w latach do KLASA A matematyka, fizyka, informatyka, Klasa pod patronatem
Bardziej szczegółowoDane najnowszej misji satelitarnej Sentinel 2 przyszłością dla rolnictwa precyzyjnego w Polsce
Dane najnowszej misji satelitarnej Sentinel 2 przyszłością dla rolnictwa precyzyjnego w Polsce Profesor dr hab. Katarzyna Dąbrowska-Zielińska Instytut Geodezji i Kartografii www.igik.edu.pl Satelity Programu
Bardziej szczegółowoĆwiczenie 3,4. Analiza widmowa sygnałów czasowych: sinus, trójkąt, prostokąt, szum biały i szum różowy
Ćwiczenie 3,4. Analiza widmowa sygnałów czasowych: sinus, trójkąt, prostokąt, szum biały i szum różowy Grupa: wtorek 18:3 Tomasz Niedziela I. CZĘŚĆ ĆWICZENIA 1. Cel i przebieg ćwiczenia. Celem ćwiczenia
Bardziej szczegółowoWykorzystanie wolnego oprogramowania w technologii prowadzenia nowoczesnego ODGiK
Wykorzystanie wolnego oprogramowania w technologii prowadzenia nowoczesnego ODGiK Andrzej Bielasty Radosław Pawłowski GEO-SYSTEM Sp. z o.o. Warszawa Agenda Osnowa geodezyjna aplikacja i udostępnianie epodgik
Bardziej szczegółowoUniwersytecki Biuletyn Meteorologiczny
Uniwersytecki Biuletyn Meteorologiczny Borucino Kościerzyna Ostrzyce Nr 11 (11) MARZEC 19 KATEDRA METEOROLOGII I KLIMATOLOGII Instytut Geografii, Uniwersytet Gdański ISSN 81-88X fot. M.Owczarek Od Redakcji:
Bardziej szczegółowoIndeksy dynamiki (o stałej i zmiennej podstawie)
Indeksy dynamiki (o stałej i zmiennej podstawie) Proste indeksy dynamiki określają tempo zmian pojedynczego szeregu czasowego. Wyodrębnia się dwa podstawowe typy indeksów: indeksy o stałej podstawie; indeksy
Bardziej szczegółowoStanisław Cichocki. Natalia Neherbecka. Zajęcia 13
Stanisław Cichocki Natalia Neherbecka Zajęcia 13 1 1. Kryteria informacyjne 2. Testowanie autokorelacji 3. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych
Bardziej szczegółowoStrategia inwestycyjna oparta na korelacji w szeregach czasowych
Handel algorytmiczny Strategia inwestycyjna oparta na korelacji w szeregach czasowych Antoni Wiliński 2018 1 Strategia inwestycyjna - definicja Strategia to, najczęściej, zweryfikowany empirycznie (indukcjonistycznie)
Bardziej szczegółowoWykład 4 Związki i zależności
Wykład 4 Związki i zależności Rozważmy: Dane z dwiema lub więcej zmiennymi Zagadnienia do omówienia: Zmienne objaśniające i zmienne odpowiedzi Wykres punktowy Korelacja Prosta regresji Słownictwo: Zmienna
Bardziej szczegółowoWPROWADZENIE DO ANALIZY TECHNICZNEJ
WPROWADZENIE DO ANALIZY TECHNICZNEJ Plan szkolenia 1) Podstawowe pojęcia i założenia AT, 2) Charakterystyka głównych typów wykresów, 3) Pojęcie linii trendu, 4) Obszary wsparcia/oporu, 5) Prezentacja przykładowej
Bardziej szczegółowoUdoskonalona mapa prawdopodobieństwa występowania pożarów na Ziemi. Analiza spójności baz GBS, L 3 JRC oraz GFED.
Udoskonalona mapa prawdopodobieństwa występowania pożarów na Ziemi. Analiza spójności baz GBS, L 3 JRC oraz GFED. Jędrzej Bojanowski César Carmona-Moreno* Instytut Geodezji i Kartografii Zakład Teledetekcji
Bardziej szczegółowoEKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE
EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE ZADANIE 1 Oszacowano zależność między luką popytowa a stopą inflacji dla gospodarki niemieckiej. Wyniki estymacji są następujące: Estymacja KMNK,
Bardziej szczegółowoSpis treści 3 SPIS TREŚCI
Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe
Bardziej szczegółowoTYGODNIOWY BIULETYN HYDROLOGICZNY
INSTYTUT METEOROLOGII I GOSPODARKI WODNEJ PAŃSTWOWY INSTYTUT BADAWCZY TYGODNIOWY BIULETYN HYDROLOGICZNY 14 20 sierpnia 2013r. Spis treści: 1. Sytuacja hydrologiczna... 2 2. Temperatury ekstremalne w regionach
Bardziej szczegółowoDANE STATYSTYKI PUBLICZNEJ I OBLICZENIA WSKAŹNIKÓW CHARAKTERYZUJĄCYCH RYNEK PRACY ORAZ GOSPODARKĘ AGLOMERACJI POZNAŃSKIEJ
DANE STATYSTYKI PUBLICZNEJ I OBLICZENIA WSKAŹNIKÓW CHARAKTERYZUJĄCYCH RYNEK PRACY ORAZ GOSPODARKĘ AGLOMERACJI POZNAŃSKIEJ OBSERWATORIUM GOSPODARKI I RYNKU PRACY AGLOMERACJI POZNAŃSKIEJ STOPA BEZROBOCIA
Bardziej szczegółowot y x y'y x'x y'x x-x śr (x-x śr)^2
Na podstawie:w.samuelson, S.Marks Ekonomia menedżerska Zadanie 1 W przedsiębiorstwie toczy się dyskusja na temat wpływu reklamy na wielkość. Dział marketingu uważa, że reklama daje wysoce pozytywne efekty,
Bardziej szczegółowoEkonometria. Modele regresji wielorakiej - dobór zmiennych, szacowanie. Paweł Cibis pawel@cibis.pl. 1 kwietnia 2007
Modele regresji wielorakiej - dobór zmiennych, szacowanie Paweł Cibis pawel@cibis.pl 1 kwietnia 2007 1 Współczynnik zmienności Współczynnik zmienności wzory Współczynnik zmienności funkcje 2 Korelacja
Bardziej szczegółowoEkonometria Wykład 4 Prognozowanie, sezonowość. Dr Michał Gradzewicz Katedra Ekonomii I KAE
Ekonometria Wykład 4 Prognozowanie, sezonowość Dr Michał Gradzewicz Katedra Ekonomii I KAE Plan wykładu Prognozowanie Założenia i własności predykcji ekonometrycznej Stabilność modelu ekonometrycznego
Bardziej szczegółowo