Geri Dön

Statistical postprocessing of local numerical weather prediction model forecasts using deep learning

Bölgesel sayısal hava durumu tahmin modellerinin tahminlerinin derin öğrenme kullanarak istatistiksel ardişlemesi

  1. Tez No: 767076
  2. Yazar: YAŞAR HARUN KIVRIL
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA GÖKÇE BAYDOĞAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, İstatistik, Industrial and Industrial Engineering, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Türkçe

    2015

    Enerjiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEVİNÇ SIRDAŞ

  2. Ultrasound image segmentation using the watershed algorithm

    Ultrason görüntülerinin havza sınırlama yöntemi kullanılarak bölütlenmesi

    SİBEL KADIOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA KARAMAN

  3. GEPOS CEO ve SKI GPS yazılımlarının özellikleri ve karşılaştırılması

    The Properties of GEPOS CEO and SKI GPS softwares and their comparision

    NURİ SAĞIR

    Yüksek Lisans

    Türkçe

    Türkçe

    1999

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    DOÇ.DR. ERSOY ARSLAN

  4. Yazım kurallarına uygun yazılmamış türkçe metinleri makine çevirisi yöntemleriyle normalleştirme

    Normalizing non-canonical turkish texts using machine translation approaches

    TALHA ÇOLAKOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET CÜNEYD TANTUĞ

  5. 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

    İngilizce

    2015

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAYRİ HAKAN DENLİ