Statistical postprocessing of local numerical weather prediction model forecasts using deep learning
Bölgesel sayısal hava durumu tahmin modellerinin tahminlerinin derin öğrenme kullanarak istatistiksel ardişlemesi
- Tez No: 767076
- Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA GÖKÇE BAYDOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, İstatistik, Industrial and Industrial Engineering, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 86
Özet
Doğru hava tahminleri, birçok karar verme sürecinde çok önemli bir rol oynamaktadır. Şu anda hava tahminlerinin ana kaynağı, atmosferin gelecekteki durumlarını tahmin etmek için fiziksel denklemleri çözen sayısal hava tahmin (NWP)modelleridir. NWP modelleri, başlangıç durumlarından, sınır koşullarından ve model yapılarından kaynaklı hızla büyüyen hatalara sebebiyet verebilmektedir. İstatistiksel ardişleme yöntemleri tahminlerdeki bu sistematik hataları düzeltmek için kullanılan yöntemlerden biridir. Bu çalışmada, Türkiye'nin Ege Bölgesi'nin Global Ensemble Forecasting System (GEFS) tahminlerini istatistiksel olarak ardişlemek için üç alter natif derin öğrenme mimarisi önerilmiştir. Ardişleme, çoklu basınç seviyelerinde çoklu hava değişkenlerine yapılmıştır. Ayrıca, modellerde kullanılan veri yapısı modellere bir ekstrapolasyon yeteneği vermiştir. Modeller on altı yıllık verilerle eğitilmiş, hiperparametreler bir yıllık doğrulama verileriyle ayarlanmış ve son üç yılda test edilmiştir. Sonuçlar hava durumu değişkeni, basınç seviyesi ve konum yönlerinden incelenmiştir. Tamamen evrişimli model ve onun U-Şekilli uzantısı, analizlerde umut verici sonuçlar sunmuştur. U-Şekilli mimari, hata dağılımlarında daha düşük ortalama ve daha düşük varyans içermesi sebebiyle diğer modellere tercih edilmiştir. Ayrıca, tahmin edilen değerlerin hata dağılımı, modelin ekstrapolasyon kapasitesinin etkisini göstermiştir. Son olarak, 19 enerji santralinin rüzgar enerjisi tahmini üzerine bir vaka çalışması yapılmış ve yöntemin gerçek hayattaki bir uygulamada daha iyi sonuçlar ortaya çıkardığı görülmüştür.
Özet (Çeviri)
Accurate weather forecasts play a crucial role in many decision-making processes. Currently, the main supply of weather forecasts is numerical weather prediction (NWP) which solves physical equations to predict future states of the atmosphere. However, the NWP models are prone to rapidly growing errors from the initial states, boundary conditions, and model structures. In order to fix these systematic errors in the forecasts, statistical postprocessing methods are used. In this study, three alternative deep learning architectures are proposed to statistically postprocess Global Ensemble Forecasting System (GEFS) forecasts of the Aegean Region of Turkey. The postprocessing is done to multiple weather variables at multiple pressure levels. The input and output structure of the models also introduced an extrapolation capability. The models are trained with sixteen years of data, and the hyperparameters are tuned with one-year validation data and tested over the last three years. The results are investigated from the variable, pressure level, and location aspects. Fully convolutional and its U-Shaped extension present promising results in every aspect. The U-Shaped architecture is chosen over the others considering its lower mean, and lower variance in error distributions. Also, the error distribution of extrapolated values validates the extrapolation capability of the model. Finally, a case study on wind power forecasting of 19 power plants shows that the method obtains better forecasts in a real-world application.
Benzer Tezler
- Kısa süreli rüzgar tahmini için WRF model performansının analizi ve rüzgar gücü uygulamaları
Analysis of wrf model performance for short-term wind prediction and wind power applications
NİLCAN AKATAŞ
Yüksek Lisans
Türkçe
2015
Enerjiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEVİNÇ SIRDAŞ
- Ultrasound image segmentation using the watershed algorithm
Ultrason görüntülerinin havza sınırlama yöntemi kullanılarak bölütlenmesi
SİBEL KADIOĞLU
Yüksek Lisans
İngilizce
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA KARAMAN
- GEPOS CEO ve SKI GPS yazılımlarının özellikleri ve karşılaştırılması
The Properties of GEPOS CEO and SKI GPS softwares and their comparision
NURİ SAĞIR
- Yazım kurallarına uygun yazılmamış türkçe metinleri makine çevirisi yöntemleriyle normalleştirme
Normalizing non-canonical turkish texts using machine translation approaches
TALHA ÇOLAKOĞLU
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET CÜNEYD TANTUĞ
- Analysis of GRACE L2 data globally and regionally with PCA
Global ve bölgesel olarak GRACE L2 verilerinin PCA ile analizi
CEREN ALTUNAL PODLECH
Yüksek Lisans
İngilizce
2015
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAYRİ HAKAN DENLİ