Design, implementation and evaluation of an adaptive weather model output statistics system

Thumbnail Image

URL

Journal Title

Journal ISSN

Volume Title

School of Science | Master's thesis
Checking the digitized thesis and permission for publishing
Instructions for the author

Authors

Date

2013

Department

Perustieteiden korkeakoulu

Major/Subject

Informaatiotekniikka

Mcode

T-115

Degree programme

Language

en

Pages

vii + 50 s. + liitt. 12

Series

Abstract

Physics based weather forecasting has improved significantly over the past 50 years. However, statistical methods can still improve the numerical weather model output. The purpose of this thesis is to design, implement, and evaluate a system which corrects numerical weather model output using past statistics of its performance. In meteorology this kind of a system is called Model Output Statistics. The system is part of daily forecast routines at Foreca, a Finnish weather service provider. It runs automatically after initialization of the system, and produces correction equations for all stations from which observations are available. After initialization the model automatically attempts to adjust to any changes in the numerical model and provide coherent corrections even when the numerical model error changes. The Model Output Statistics method is described, along with its challenges. The Model Output Statistics can be implemented utilizing several different statistical methods, from which we opt to use Lasso and Bayesian Information Criterion for creating multiple linear regression equations. The experiments conducted in this work consist of applying different pre-processing methods and a post-processing method to find a suitable set of predictors for correcting numerical model output for air temperature at two meters. The methods are implemented in a manner which can later be applied for other variables as well.

Fysiikkamalleihin perustuva sääennustaminen on parantunut merkittävästi viimeisen 50 vuoden aikana. Tilastollisia metodeita voidaan kuitenkin edelleen käyttää parantamaan numeerisen mallin tulosta. Tämän diplomityön tarkoitus on suunnitella, toteuttaa ja arvioida järjestelmä, joka korjaa numeerisen säämallin ennustetta sen perusteella miten malli on aikaisemmin tilastollisesti suoriutunut. Meteorologiassa tämänkaltaista järjestelmää kutsutaan MOS-järjestelmäksi (Model Output Statistics). Rakennettu järjestelmä on osa päivittäistä sääennusterutiinia Forecalla, joka on suomalainen sääpalveluiden tarjoaja. Järjestelmä toimii alustuksen jälkeen itsenäisesti ja tuottaa sääennusteita jokaiselle paikalle, josta on havaintoja saatavilla. Mallien alustuksen jälkeen järjestelmä pyrkii automaattisesti sopeutumaan kaikkiin numeerisen mallin muutoksiin tarjoten johdonmukaisia korjauksia myös silloin kun numeerisen mallin virhe on muuttunut tilastollisesti erilaiseksi kuin aikaisemmin. MOS ja sen haasteet esitellään tässä työssä. MOS voidaan toteuttaa käyttämällä useita erilaisia tilastollisia menetelmiä, joista päätettiin käyttää Lassoa ja Babyesilaista informaatiokriteeriä usean selittäjän lineaaristen regressioyhtälöiden estimointiin. Tässä työssä rakennetaan ja vertaillaan neljää erilaista MOS-mallia. Ne rakennetaan käyttäen erilaisia esi- ja jälkikäsittelymenetelmiä mallin parametrien valintaan. Parannettavana numeerisen ennusteen parametrina käytetään ilman lämpötilaa kahdessa metrissä. Itse MOS-järjestelmä kuitenkin rakennetaan niin, että sitä voidaan käyttää myös muille numeerisen mallin parametreille.

Description

Supervisor

Simula, Olli

Thesis advisor

Karanko, Samu
Lendasse, Amaury

Keywords

statistics, tilastollinen mallintaminen, linear regression, lineaarinen regressio, weather, sää, temperature, lämpötila, model output statistics, MOS-järjestelmä, model selection, mallinvalinta

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-2020122859642

Collections

[dipl] Perustieteiden korkeakoulu / SCI