Programové prostředí pro asimilační metody v radiační ochraně

Abstract

Táto práca sa zaoberá asimiláciou dát prízemného vetra v rámci meteorologického modelu WRF pre lokálnu doménu. Využívame pritom bayesovskú štatistiku, konkrétne metódu sekvenčné Monte Carlo v kombinácii s filtrom vzoriek - particle filtering. Súčasťou práce je aplikácia napísaná v jazyku Python, ktorá tvorí rozhranie s WRF, uskutočňuje samotnú asimiláciu a poskytuje výstup v podobe grafov. V prípade stabilných veterných podmienok sú predpovede korigovaného WRF signifikantne bližšie meraným dátam než predpoveď nekorigovaného WRF. Za týchto okolností je možné použiť takto asimilovaný model pre spoľahlivejšie krátkodobé lokálne predpovede. Powered by TCPDF (www.tcpdf.org)

In this work we apply data assimilation onto meteorological model WRF for local domain. We use bayesian statistics, namely Sequential Monte Carlo method combined with particle filtering. Only surface wind data are considered. An application written in Python programming language is also part of this work. This application forms interface with WRF, performs data assimilation and provides set of charts as output of data assimilation. In case of stable wind conditions, wind predictions of assimilated WRF are significantly closer to measured data than predictions of non-assimilated WRF. In this kind of conditions, this assimilated model can be used for more accurate short-term local weather predictions. Powered by TCPDF (www.tcpdf.org)