Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Versengő Meteorológiai Előrejelzések Adatbányászati Támogatással Competitive meteorological forecasting supported by data mining tools.

Hasonló előadás


Az előadások a következő témára: "Versengő Meteorológiai Előrejelzések Adatbányászati Támogatással Competitive meteorological forecasting supported by data mining tools."— Előadás másolata:

1 Versengő Meteorológiai Előrejelzések Adatbányászati Támogatással Competitive meteorological forecasting supported by data mining tools

2 Témavezető: Dr. Pitlik László GMI, egyetemi docens Készítette: Putnoki Gyula GTK, ISZAM, III. évf.

3 Gazdasági Jelentősége A primer szektorban dolgozók bizonytalanságának kockázati szintre való csökkentése Vetéstervezés, FAO-szám, hosszú távú prognózis Betakarítás-rövid távú előrejelzés Általános igény

4 Prognózisok Típusai Hagyományos rövidtávú Hagyományos hosszútávú Hasonlóságelemzéssel(input: prímer adat) Hasonlóságelemzéssel(input: szekunder adat)

5 Hagyományos Rövidtávú 2 hétre előre jelez Friss prímer adatokra épül(mérőállomások adatai, szondák, műholdképek, légköri modellek) Komoly meteorológiai felkészültség szükséges Költséges

6 Hagyományos Hosszútávú Két hétnél hosszabb időszakot ölel át Valós idejű és főleg múltbéli prímer adatokra épül Statisztikai módszerekkel készül Komoly statisztikai tudást előfeltételez

7 Hasonlóságelemzéssel (input: prímer adat) Rövid és hosszú távú előrejelzésre alkalmas Korábbi valamint friss mérőállomási adatok képezik a bemenetét Vizsgálja, hogy mely mérőállomási adat hatott -és ha igen mennyire- a prognosztizált időjárásra S ebből következtet a bekövetkező időjárásra

8 Hasonlóságelemzéssel (input: szekunder adat) A különböző országok egyazon területre vonatkoztatott előrejelzései képezik a szekunder adtok halmazát Közérdekű adatok térítésmentesen Jó megoldás az információk képi megjelenítése?

9 OMSZ-től kapott adatok

10 fs m/s a szinoptikus szél napi átlaga fud az uralkodó szélirány tn °C napi minimumhőmérséklet (előző nap 19h - 19h-ig) tx °C napi maximumhőmérséklet (előző nap 19h - 19h-ig)

11 Szélirány transzformáció szám dátum tx tn fs fud ESE  NNW  NW  15

12 Állomásadatok excellben dátumtxtnfsfud

13 COCO-Input my-x kód:4input mátrix (5+1)*173 előző naphoz képest delta tx (7.nap- 0.nap) dátumdelta txdelta tndelta fsdelta fudfud

14 COCO-output COCO- matrix N°: 4 X (A1)X (A2)X (A3)X (A4)X (A5) Y(*) (A6) Y delta =Y-Y(*) O(1) O(2) O(3) O(4) O(5) O(6)

15 COCO-output COCO- matrix N°: 4 X (A1)X (A2)X (A3)X (A4)X (A5) Y(*) (A6) Y delta =Y-Y(*) O(1) O(2) O(3) O(4) O(5) O(6)

16 Összefűzés, keresés DátumDelta fxDelta fnDelta fsDelta fud-1Delta fud-7Összefűz

17 Max.hőm. előrejelzés dátumprognózisiránytényiránytalálat

18 Max.hőm. előrejelzés dátumprognózisiránytényiránytalálat

19 Max.hőm. előrejelzés dátumprognózisiránytényiránytalálat OMSZ Találat: 58.00% COCO Találat: 61.29%

20 Új fejlesztési irány Előrejelzések összehasonlítása hasonlóságelemzéssel Adatgyűjtés automatizálása Kiszámítani és egy honlapon közzétenni az egyes intézetek beválási arányait

21 Új fejlesztési irány Garantáltan jó eredmény Statisztikai átlaggal Hasonlóságelemzéssel Piacképes előrejelzés Média

22 Köszönöm figyelmüket!


Letölteni ppt "Versengő Meteorológiai Előrejelzések Adatbányászati Támogatással Competitive meteorological forecasting supported by data mining tools."

Hasonló előadás


Google Hirdetések