Show simple item record

Software environment for data assimilation in radiation protection
Programové prostředí pro asimilační metody v radiační ochraně
dc.contributor.advisorŠmídl, Václav
dc.creatorMajer, Peter
dc.date.accessioned2017-06-01T09:38:40Z
dc.date.available2017-06-01T09:38:40Z
dc.date.issued2015
dc.identifier.urihttp://hdl.handle.net/20.500.11956/77707
dc.description.abstractTáto 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)cs_CZ
dc.description.abstractIn 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)en_US
dc.languageSlovenčinacs_CZ
dc.language.isosk_SK
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.subjectasimilácia dátcs_CZ
dc.subjectWRFcs_CZ
dc.subjectsekvenčné Monte Carlocs_CZ
dc.subjectPythoncs_CZ
dc.subjectdata assimilationen_US
dc.subjectWRFen_US
dc.subjectSequential Monte Carloen_US
dc.subjectPythonen_US
dc.titleProgramové prostředí pro asimilační metody v radiační ochraněsk_SK
dc.typediplomová prácecs_CZ
dcterms.created2015
dcterms.dateAccepted2015-09-09
dc.description.departmentDepartment of Software Engineeringen_US
dc.description.departmentKatedra softwarového inženýrstvícs_CZ
dc.description.facultyMatematicko-fyzikální fakultacs_CZ
dc.description.facultyFaculty of Mathematics and Physicsen_US
dc.identifier.repId97929
dc.title.translatedSoftware environment for data assimilation in radiation protectionen_US
dc.title.translatedProgramové prostředí pro asimilační metody v radiační ochraněcs_CZ
dc.contributor.refereeHofman, Radek
dc.identifier.aleph002036001
thesis.degree.nameMgr.
thesis.degree.levelnavazující magisterskécs_CZ
thesis.degree.disciplineSoftwarové systémycs_CZ
thesis.degree.disciplineSoftware Systemsen_US
thesis.degree.programInformatikacs_CZ
thesis.degree.programComputer Scienceen_US
uk.faculty-name.csMatematicko-fyzikální fakultacs_CZ
uk.faculty-name.enFaculty of Mathematics and Physicsen_US
uk.faculty-abbr.csMFFcs_CZ
uk.degree-discipline.csSoftwarové systémycs_CZ
uk.degree-discipline.enSoftware Systemsen_US
uk.degree-program.csInformatikacs_CZ
uk.degree-program.enComputer Scienceen_US
thesis.grade.csNeprospělcs_CZ
thesis.grade.enFailen_US
uk.abstract.csTáto 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)cs_CZ
uk.abstract.enIn 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)en_US
uk.file-availabilityV
uk.publication-placePrahacs_CZ
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra softwarového inženýrstvícs_CZ


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 3-5, 116 36 Praha; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV