پس پردازش پیش بینی همادی چند متغیره با استفاده از روش ECC

وجود در نظر گرفتن منابع عدم قطعیت، سامانه های هماد ی اغلب در معرض اریبی ها و/ یا خطاهای پراکند گی هستند؛ بنابراین، باید پس پردازشآماری شوند. روشهای پس پردازش آماری تک متغیره می توانند عملکرد پیش بینی های همادی وضع هوا را به طور قابل توجهی بهبود بخشند، اماوابستگی های مکانی، زمانی و بین متغیری را نادیده می گیرند. این وابستگی ها در دنیای واقعی وجود دارند و در بسیاری از کاربردها، در نظر گرفتنالگوهای وابستگی بسیار مهم است. بنابراین، روش های پس پردازش همادی چند متغیره مانند روش ECC و شاک شافل ارائه شده اند. در پژوهشحاضر، از روش ECC برای پس پردازش همادی چند متغیره سامانه همادی ۵۱ عضوی ECMWF برای لحاظ کردن وابستگی مکانی پیش بینی دمای۴۸ ساعته دمای دو متری در دو ایستگاه مهرآباد و کرج استفاده شده است. نتایج به دست آمده از اعمال روش ECC با نتایج به دست آمده از اعمالروش پس پردازش همادی تک متغیره NGR برای پیش بینی ها در بازه اول ژانویه ۲۰۲۱ تا ۳۱ دسامبر ۲۰۲۳ مقایسه شد. نتایج نشان دادند که علاوهبر تصحیح اریبی پیش بینی همادی خام به میزان ۸۲ درصد در هر دو روش، روش ECC ساختار وابستگی بین اعضای همادی را نیز حفظ می کند.در مقابل، روش NGR تنها اریبی ها را بدون در نظر گرفتن وابستگی بین ا عضای گروه حذف میکند. ا ین نشان میدهد که روش ECC ا بزار ارزشمندیبر ای پس پردازش همادی است و می تواند برای طیف وسیعی از کاربردها در نظر گرفته شود.

پس پردازش پیش بینی همادی چند متغیره با استفاده از روش ECC Keywords:

پیش بینی همادی , پس پردازش آماری , ساختار همبستگی