پس پردازش برونداد مدل MM5 برای دمای بیشینه و کمینه در دو متری سطح زمین با استفاده از یک فیلتر کالمن ساده
Publish place: 06th Conference of Numerical Wether Prediction
Publish Year: 1385
Type: Conference paper
Language: Persian
View: 2,120
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
NWP06_008
Index date: 29 May 2006
پس پردازش برونداد مدل MM5 برای دمای بیشینه و کمینه در دو متری سطح زمین با استفاده از یک فیلتر کالمن ساده abstract
پیش بینی دمای سطح زمین با مدل های پیش بینی عددی وضع هوا دارای خطاهای سیستماتیکی است که عمدتا به دلیل پایین بودن تفکیک توپوگرافی و نیز نقص در پراسنجی پارامترهای فیزیکی مختلف در مدل میباشد. فیلتر کالمن روش مفیدی است که با یک الگوریتم ساده و نیاز به ورودی های کوتاه مدت، با ترکیب پیش بینی های مدل و دیده بانی ها، خطاهای سیستماتیک را تا حد بسیار خوبی کاهش می دهد. در این مقاله، فیلتر کالمن روی دماهای بیشینه و کمینه در دو متری سطح زمین برای 117 ایستگاه در ایران و به مدت 120 روز اعمال شده که نتایج چهار ایستگاه در اینجا ارائه شده است. مدل مورد استفاده، مدل میان مقیاس منطقه ای MM5 و مدت آموزش فیلتر هفت روز انتخاب شد. بررسی آماری روی نتایج نشان داد که فیلتر کالمن برای روزهایی که خطاهای مدل زیاد یا متوسط بود، توانست پیش بینی مدل را تا حد قابل قبولی اصلاح کند، اما برای روزهایی که خطای مدل کم بود، کاربست فیلتر تاثیر چندانی درتصحیح خطا نداشت.
پس پردازش برونداد مدل MM5 برای دمای بیشینه و کمینه در دو متری سطح زمین با استفاده از یک فیلتر کالمن ساده Keywords:
پس پردازش برونداد مدل MM5 برای دمای بیشینه و کمینه در دو متری سطح زمین با استفاده از یک فیلتر کالمن ساده authors
مجید آزادی
عضو هیئت علمی پژوهشگاه هواشناسی و علوم جو؛ پژوهشگاه هواشناسی و علوم
سمیه جعفری
کارشناس مرکز پیش بینی سازمان هواشناسی کشور
ابراهیم میرزایی
کارشناس مرکز پیش بینی سازمان هواشناسی کشور
پروین عربلی
کارشناس مرکز پیش بینی سازمان هواشناسی کشور
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :