Prognozy zmian poziomu oceanu a El Niño 2015/2016 system Prognocean Plus jako usługa nowej generacji dla Nauki Polskiej.

Podobne dokumenty
5. Model sezonowości i autoregresji zmiennej prognozowanej

4. Średnia i autoregresja zmiennej prognozowanej

Ekonometria. Zajęcia

Problematyka dostępności sygnałów GNSS na obszarach miejskich Kinga Królikowska, Piotr Banasik

Zakład Geoinformatyki i Kartografii

Wprowadzenie do teorii prognozowania

Prognozowanie zanieczyszczeń atmosferycznych przy użyciu sieci neuronowych

3. Analiza własności szeregu czasowego i wybór typu modelu

Badania wpływu charakterystyki dokładnościowej korekt różnicowych na poprawne wyznaczenie nieoznaczoności w pozycjonowaniu GNSS-RTK

Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817

Quasi-geoida idealnie dopasowana czy idealnie grawimetryczna

Anomalie gradientu pionowego przyspieszenia siły ciężkości jako narzędzie do badania zmian o charakterze hydrologicznym

Wojny Coli - czyli siła reklamy na rynku oligopolicznym

PROGNOZOWANIE CEN ENERGII NA RYNKU BILANSUJĄCYM

Normy serii ISO w geodezji i geoinformatyce

Ewelina Henek, Agnieszka Wypych, Zbigniew Ustrnul. Instytut Meteorologii i Gospodarki Wodnej Państwowy Instytut Badawczy (IMGW-PIB)

gvsig jako przykład desktopowego klienta usług sieciowych OGC

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA

Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna

ZMIDEX analiza zdolności prognostycznej

SERWIS INTERAKTYWNEGO MONITOROWANIA WSPÓŁRZĘDNYCH STACJI SIECI ASG-EUPOS

Analiza autokorelacji

Po co w ogóle prognozujemy?

7.4 Automatyczne stawianie prognoz

Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski

Wykład 3. Rozkład normalny

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ

Wprowadzenie do analizy korelacji i regresji

Geoportal monitoringu środowiska województwa lubelskiego, jako forma informowania społeczeństwa o stanie środowiska w województwie

wprowadzenie do analizy szeregów czasowych

Ekonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 9 marca 2007

Ekonometria ćwiczenia 3. Prowadzący: Sebastian Czarnota

Dane przestrzenne dostępne przez usługi sieciowe w realizacji zadań administracji publicznej. Dr inż. Joanna Jaroszewicz

Małgorzata Paciorek, Agnieszka Bemka EKOMETRIA Sp. z o.o. Gdańsk

Dane hydrogeologiczne, systemy wspomagania decyzji i Dyrektywa INSPIRE

ALGORYTM UZUPEŁNIANIA BRAKUJĄCYCH DANYCH W ZBIORACH REJESTROWANYCH NA STACJACH MONITORINGU POWIETRZA

Infrastruktura PLGrid dla wspomagania Polskiej Nauki w Europejskiej Przestrzeni Badawczej. Infrastruktura PLGrid

Dopasowywanie modelu do danych

APROKSYMACJA POZIOMU IMISJI NA STACJACH MONITORINGU POWIETRZA ZA POMOCĄ AUTONOMICZNYCH MODELI NEURONOWYCH

3. Modele tendencji czasowej w prognozowaniu

Tomasz Niedzielski a,b, Wiesław Kosek a

Borucino ROK Uniwersytecki Biuletyn Meteorologiczny. Nr 109 (158) KATEDRA METEOROLOGII I KLIMATOLOGII Instytut Geografii, Uniwersytet Gdański

Ekonometria. Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych. Jakub Mućk. Katedra Ekonomii Ilościowej

Ćwiczenia IV

Problem testowania/wzorcowania instrumentów geodezyjnych

KSZTAŁCENIE KARTOGRAFÓW NA STUDIACH UNIWERSYTECKICH A ZAWODOWE UPRAWNIENIA KARTOGRAFICZNE

Rozdział 8. Regresja. Definiowanie modelu

Wytyczne do projektów

Moduł modelowania i predykcji stanu troposfery projekt ASG+ Budowa modułów wspomagania serwisów czasu rzeczywistego systemu ASG-EUPOS

Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania

INSTYTUT METEOROLOGII I GOSPODARKI WODNEJ PAŃSTWOWY INSTYTUT BADAWCZY Oddział we Wrocławiu. Görlitz

TEMATYKA PRAC DYPLOMOWYCH INŻYNIERSKICH STUDIA STACJONARNE PIERWSZEGO STOPNIA ROK AKADEMICKI 2010/11

Jakość informacji o środowisku - "odpowiedzialność" za informację

Przedmiot Wykłady Ćwicz. Konw. Przedmioty obowiązkowe

Realizacja projektu modernizacji podstawowej osnowy grawimetrycznej kraju

Motto. Czy to nie zabawne, że ci sami ludzie, którzy śmieją się z science fiction, słuchają prognoz pogody oraz ekonomistów? (K.

METODY I TECHNOLOGIA SPRAWDZANIA AKTUALNOŚCI MATERIAŁÓW KARTOGRAFICZNYCH NA POTRZEBY POWSZECHNEJ TAKSACJI

Rola innowacji w ocenie ryzyka eksploatacji obiektów hydrotechnicznych

Janusz Bogusz 1), Bernard Kontny 2)

MODELE AUTOREGRESYJNE W PROGNOZOWANIU CEN ZBÓŻ W POLSCE

Statystyka. Wykład 8. Magdalena Alama-Bućko. 10 kwietnia Magdalena Alama-Bućko Statystyka 10 kwietnia / 31

STATYSTYKA MATEMATYCZNA

GEOPORTAL to nie zwykła strona z mapą! Prezentacja technologii GeoportalToolkit. Łukasz Łukasiewicz ISPiK S.A. llukasiewicz@ispik.

Źródła pozyskiwania danych grawimetrycznych do redukcji obserwacji geodezyjnych Tomasz Olszak Małgorzata Jackiewicz Stanisław Margański

ROLA INTEROPERACYJNOŚCI W BUDOWIE CYFROWYCH USŁUG PUBLICZNYCH ORAZ W UDOSTĘPNIANIU ZASOBÓW OTWARTYCH DANYCH

SŁUŻBA GEODEZYJNA I KARTOGRAFICZNA W OBLICZU NADCHODZĄCYCH ZMIAN

ROLA ADMINISTRACJI W FOSS

Statystyka i Analiza Danych

DANE STATYSTYKI PUBLICZNEJ I OBLICZENIA WSKAŹNIKÓW CHARAKTERYZUJĄCYCH RYNEK PRACY ORAZ GOSPODARKĘ AGLOMERACJI POZNAŃSKIEJ

Wydział Matematyki. Testy zgodności. Wykład 03

Analiza rynku projekt

Wykorzystanie sieci ASG EUPOS w zadaniach związanych z realizacją systemu odniesień przestrzennych

Opis przedmiotu zamówienia na:

Testowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona;

Klimat w Polsce w 21. wieku

ROK Uniwersytecki Biuletyn Meteorologiczny. Borucino. Nr 44 (93) ISSN X

Zmiany klimatu a zagrożenie suszą w Polsce

Ekonometria dynamiczna i finansowa Kod przedmiotu

Kształtowanie się cen m 2 mieszkania we Wrocławiu w krótkim okresie

LABORATORIUM 3. Jeśli p α, to hipotezę zerową odrzucamy Jeśli p > α, to nie mamy podstaw do odrzucenia hipotezy zerowej

Szkolne plany nauczania 2017/18; 2018/19; 2019/20. klasy I

Dane najnowszej misji satelitarnej Sentinel 2 przyszłością dla rolnictwa precyzyjnego w Polsce

Ćwiczenie 3,4. Analiza widmowa sygnałów czasowych: sinus, trójkąt, prostokąt, szum biały i szum różowy

Wykorzystanie wolnego oprogramowania w technologii prowadzenia nowoczesnego ODGiK

Uniwersytecki Biuletyn Meteorologiczny

Indeksy dynamiki (o stałej i zmiennej podstawie)

Stanisław Cichocki. Natalia Neherbecka. Zajęcia 13

Strategia inwestycyjna oparta na korelacji w szeregach czasowych

Wykład 4 Związki i zależności

WPROWADZENIE DO ANALIZY TECHNICZNEJ

Udoskonalona mapa prawdopodobieństwa występowania pożarów na Ziemi. Analiza spójności baz GBS, L 3 JRC oraz GFED.

EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE

Spis treści 3 SPIS TREŚCI

TYGODNIOWY BIULETYN HYDROLOGICZNY

DANE STATYSTYKI PUBLICZNEJ I OBLICZENIA WSKAŹNIKÓW CHARAKTERYZUJĄCYCH RYNEK PRACY ORAZ GOSPODARKĘ AGLOMERACJI POZNAŃSKIEJ

t y x y'y x'x y'x x-x śr (x-x śr)^2

Ekonometria. Modele regresji wielorakiej - dobór zmiennych, szacowanie. Paweł Cibis pawel@cibis.pl. 1 kwietnia 2007

Ekonometria Wykład 4 Prognozowanie, sezonowość. Dr Michał Gradzewicz Katedra Ekonomii I KAE

Transkrypt:

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 14-16 września 2016

Wprowadzenie: system Prognocean Plus Prognocean Plus system prognozowania wysokorozdzielczych map anomalii poziomu oceanu w czasie rzeczywistym Twórcy systemu: Tomasz Niedzielski, Bartłomiej Miziński, Małgorzata Świerczyńska

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.

Wprowadzenie: system Prognocean Plus

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)

Aktualny stan wiedzy Prognocean Plus vs MyOcean Świerczyńska i in., 2016

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.

Punkt środkowy obszaru Nino1+2 Cel: prognoza lokalnego maksimum 16 14 12 MAE [cm] Wyniki 10 8 6 4 2 0 1 2 PHTAR PHAR PHMAR 3 4 5 SON OND NDJ DJF 6 7 długość prognozy 8 9 10 11 12

Wyniki MAE [cm] Punkt środkowy obszaru Nino3 Cel: prognoza lokalnego maksimum 16 14 12 10 8 6 4 2 0 1 2 3 4 5 6 7 8 9 10 11 12 PHTAR PHAR PHMAR SON OND NDJ DJF długość prognozy

Wyniki MAE [cm] Punkt środkowy obszaru Nino3.4 Cel:??? 20 18 16 14 12 10 8 6 4 2 0 1 2 3 4 5 6 7 8 9 10 11 12 PHTAR PHAR PHMAR SON OND NDJ DJF długość prognozy

Wyniki MAE [cm] Punkt środkowy obszaru Nino4 Cel: prognoza silnego spadku i lokalnego minimum 12 10 8 6 4 2 0 1 2 3 4 5 6 7 8 9 10 11 12 PHTAR PHAR PHMAR SON OND NDJ DJF długość prognozy

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.

DZIĘKUJĘ ZA UWAGĘ Współczesne problemy podstawowych osnów geodezyjnych w Polsce, Polska 14-16 września 2016