Time series methods for improving weather model temperature forecasts
Markmið þessarar rannsóknar er að rannsaka aðferðina sem Veðurstofa Íslands notar nú til að leiðrétta 2-m hitaspá frá veðurlíkani og möguleikann á því að bæta frammistöðu aðferðarinnar. Ýmis tímaraðalíkön eru reiknuð og metin með það að markmiði að lágmarka spáskekkju. Rannsóknin byggir á gögnum frá...
Main Author: | |
---|---|
Other Authors: | |
Format: | Master Thesis |
Language: | English |
Published: |
2023
|
Subjects: | |
Online Access: | http://hdl.handle.net/1946/44469 |
id |
ftskemman:oai:skemman.is:1946/44469 |
---|---|
record_format |
openpolar |
spelling |
ftskemman:oai:skemman.is:1946/44469 2023-06-11T04:13:15+02:00 Time series methods for improving weather model temperature forecasts Notkun tímaraðalíkana til að endurbæta veðurspár um hita Íris Ósk Hilmarsdóttir 1998- Háskóli Íslands 2023-05 application/pdf http://hdl.handle.net/1946/44469 en eng http://hdl.handle.net/1946/44469 Tölvuverkfræði Tímaraðagreining Veðurspár Thesis Master's 2023 ftskemman 2023-05-31T22:53:10Z Markmið þessarar rannsóknar er að rannsaka aðferðina sem Veðurstofa Íslands notar nú til að leiðrétta 2-m hitaspá frá veðurlíkani og möguleikann á því að bæta frammistöðu aðferðarinnar. Ýmis tímaraðalíkön eru reiknuð og metin með það að markmiði að lágmarka spáskekkju. Rannsóknin byggir á gögnum frá tímabilinu 2019–2021, sem samanstanda af mælingum af 2-m hita og 10-m vindi, og ennfremur spám fyrir 2-m hita, rakastig, 10-m vind, skýjahulu og úrkomu, notað sem ytri breytur í líkanaþróuninni. Tölfræðileg leiðrétting á 24 tíma spá fyrir 2-m hita kl 12 á hádegi var reiknuð fyrir 16 valdar veðurstöðvar með bæði einföldum leiðréttingarlíkönum og ARMA líkönum eins og t.d. AR, MA, ARMA og ARMAX. Niðurstöður rannsóknar gefa til kynna að hægt sé að bæta núverandi leiðréttingaraðferð sem notuð er á Veðurstofu Íslands fyrir sumar veðurstöðvar, sérstaklega þær sem eru staðsettar í fjörðum og dölum. The aim of this study is to investigate the current post-processing scheme used to forecast 2-m temperature at the Icelandic Meteorological Office (IMO) and the possibility to improve its performance. The study involves a process of computing and evaluating various time series models in order to find one with minimal prediction error. This study was based on data for the period 2019–2021, which consisted of observations for 2-m temperature and 10-m wind, as well as forecasts for 2-m temperature, relative humidity, 10-m wind, cloud cover, and precipitation used as exogenous variables in the model development. Statistical correction for 24 hour forecast models at noon were computed for 16 selected weather stations in Iceland, both simple correction schemes and ARMA-type models such as AR, MA, ARMA, and ARMAX. The results suggest that it is possible to improve the current post-processing scheme that is used by the IMO for some weather stations, especially those located in fjords and valleys. Master Thesis Iceland Skemman (Iceland) |
institution |
Open Polar |
collection |
Skemman (Iceland) |
op_collection_id |
ftskemman |
language |
English |
topic |
Tölvuverkfræði Tímaraðagreining Veðurspár |
spellingShingle |
Tölvuverkfræði Tímaraðagreining Veðurspár Íris Ósk Hilmarsdóttir 1998- Time series methods for improving weather model temperature forecasts |
topic_facet |
Tölvuverkfræði Tímaraðagreining Veðurspár |
description |
Markmið þessarar rannsóknar er að rannsaka aðferðina sem Veðurstofa Íslands notar nú til að leiðrétta 2-m hitaspá frá veðurlíkani og möguleikann á því að bæta frammistöðu aðferðarinnar. Ýmis tímaraðalíkön eru reiknuð og metin með það að markmiði að lágmarka spáskekkju. Rannsóknin byggir á gögnum frá tímabilinu 2019–2021, sem samanstanda af mælingum af 2-m hita og 10-m vindi, og ennfremur spám fyrir 2-m hita, rakastig, 10-m vind, skýjahulu og úrkomu, notað sem ytri breytur í líkanaþróuninni. Tölfræðileg leiðrétting á 24 tíma spá fyrir 2-m hita kl 12 á hádegi var reiknuð fyrir 16 valdar veðurstöðvar með bæði einföldum leiðréttingarlíkönum og ARMA líkönum eins og t.d. AR, MA, ARMA og ARMAX. Niðurstöður rannsóknar gefa til kynna að hægt sé að bæta núverandi leiðréttingaraðferð sem notuð er á Veðurstofu Íslands fyrir sumar veðurstöðvar, sérstaklega þær sem eru staðsettar í fjörðum og dölum. The aim of this study is to investigate the current post-processing scheme used to forecast 2-m temperature at the Icelandic Meteorological Office (IMO) and the possibility to improve its performance. The study involves a process of computing and evaluating various time series models in order to find one with minimal prediction error. This study was based on data for the period 2019–2021, which consisted of observations for 2-m temperature and 10-m wind, as well as forecasts for 2-m temperature, relative humidity, 10-m wind, cloud cover, and precipitation used as exogenous variables in the model development. Statistical correction for 24 hour forecast models at noon were computed for 16 selected weather stations in Iceland, both simple correction schemes and ARMA-type models such as AR, MA, ARMA, and ARMAX. The results suggest that it is possible to improve the current post-processing scheme that is used by the IMO for some weather stations, especially those located in fjords and valleys. |
author2 |
Háskóli Íslands |
format |
Master Thesis |
author |
Íris Ósk Hilmarsdóttir 1998- |
author_facet |
Íris Ósk Hilmarsdóttir 1998- |
author_sort |
Íris Ósk Hilmarsdóttir 1998- |
title |
Time series methods for improving weather model temperature forecasts |
title_short |
Time series methods for improving weather model temperature forecasts |
title_full |
Time series methods for improving weather model temperature forecasts |
title_fullStr |
Time series methods for improving weather model temperature forecasts |
title_full_unstemmed |
Time series methods for improving weather model temperature forecasts |
title_sort |
time series methods for improving weather model temperature forecasts |
publishDate |
2023 |
url |
http://hdl.handle.net/1946/44469 |
genre |
Iceland |
genre_facet |
Iceland |
op_relation |
http://hdl.handle.net/1946/44469 |
_version_ |
1768390031546777600 |