metode de prognoza
TRANSCRIPT
7/23/2019 Metode de Prognoza
http://slidepdf.com/reader/full/metode-de-prognoza 1/8
Metode de prognoza
-Analiza si interpretarea factorilor climatici-
An 1, Master
Agricultura ecologica
Prognoza numerica a vremii este o metoda obiectiva de prognoza care a evoluat foarte
7/23/2019 Metode de Prognoza
http://slidepdf.com/reader/full/metode-de-prognoza 2/8
mult in ultimele deceniisi care se afla intr-o dezvoltare accentuata in prezent. Aceasta presupune
predictia starii viitoare a circulatiei atmosferei, pornind de la o stare prezenta cunoscuta a
acesteia, prin utilizarea aproximatiilor numerice ale ecuatiilor dinamice.
Asa cum este aratat in Holton (1996), indeplinirea acestui obiectiv necesita observatii
ale campurilor variabilelor in starea initiala, un sistem incis de ecuatii de prognoza relativ la
campurile variabilelor si o metoda de integrare in timp a ecuatiilor, pentru a obtine distributia
viitoare a campurilor variabilelor. !rin urmare, pentru realizarea prognozei numerice este
nevoie sa se cunoasca starea initiala a atmosferei, iar precizia cu care aceasta este descrisa in
model constituie un factor important in ceea ce priveste calitatea prognozei numerice. "e stie ca
starea reala a atmosferei la un moment anumit de timp nu poate fi determinata cu exactitate.
Asimilarea de date este procedura prin care se realizeaza o estimare a starii atmosferei
cat mai apropiata de starea reala, dar care sa fie in acelasi timp si dinamic consistenta,
denumita analiza. Analiza este utila atat prin ea insasi, ca diagnoza a starii atmosferei la un
moment de timp dat, dar mai ales este utila pentru furnizarea datelor initiale necesare integrarii
unui model numeric de prognoza a vremii, stiindu-se faptul ca modul in care este descrisa
starea initiala a atmosferei in model constituie un factor esential care determina calitatea
prognozei. #e asemenea, analiza poate fi privita ca o pseudo-observatie, sau ca o referinta fata
de care sa se verifice calitatea observatiilor.
Modelele ARPEGE si ALADIN
ARPEGE (Action de $ecerce !etite %celle &rande %celle) este modelul numeric de
prognoza al vremii global al 'eteo rance. Acesta este un model spectral, a carui caracteristica
specifica o reprezinta la folosirea rezolutiei variabile pe glob, in functie de un factor de intindere
a grilei, acest lucru facand posibila utilizarea acestui model atat pentru prognoza numerica la
scara sinoptica, cat si la mezoscara. !rincipalul avanta al acestei solutii il reprezinta evitareaerorilor introduse in cazul utilizarii unor conditii la limitele laterale ale domeniului de rezolutie
mai slaba pentru un domeniu cu rezolutie fina.
*n 199+, 'eteo-rance a lansat initiativa unei colaborari cu tarile din %uropa entrala si
de %st, orientata spre dezvoltarea unei versiuni pe arie limitata a modelului A$!%&%, pentru
prognoza numerica a vremii la mezoscara. biectivul principal a fost acela de a dezvolta un
7/23/2019 Metode de Prognoza
http://slidepdf.com/reader/full/metode-de-prognoza 3/8
model pe arie limitata in cadrul dea existent al modelului A$!%&%, pentru adaptarea dinamica
la limita aproximatiei idrostatice, adica un model fara o analiza obiectiva proprie pentru
producerea conditiilor intiale, utilizand campurile A$!%&% interpolate pentru conditiile initiale
si la limitele laterale ale domeniului. #in punct de vedere practic, aceasta a insemnat utilizarea
codului A$!%&% dea existent si crearea de module noi, necesare pentru
/modificarea reprezentarii spectrale a campurilor de la armonice sferice la serii ourier0
/ considerarea proceselor care evolueaza in afara domeniului de integrare prin utilizarea unei
sceme de cupla avand la baza o tenica de relaxare0
/ pregatirea conditiilor initialesi la limitele laterale ale domeniului de integrare prin interpolarea
campurilor A$!%&% in grila noului model0
/ dezvoltarea metodei de initializare prin filtre digitale.
Aceasta versiune pe arie limitata a modelului A$!%&% a fost denumita ALADIN (Aire
imit2e Adaptation d3nami4ue #2veloppement *nter5ational -Adaptare #inamica pe Arie
imitata #ezvoltare *nternationala). 'odelul ALADIN (ubnov7 et al. 1998, sau $adnti et al.
199:), care este tot un model spectral, este dezvoltat in prezent de un consortiu format din 16 tari
din %uropa si nordul Africii. "pre deosebire de varianta sa initiala, acesta include acum si
posibilitatea de realizare a unei analize proprii.
Asimilarea variationala de date in modelele numerice de prognoza a vremii.
Aceasta tenica moderna de asimilare a datelor are la baza metoda de interpolare
statistica bazata pe estimarea celor mai mici patrate.
Asimilarea de date este procedura prin care informatia observata este acumulata in
starea descrisa de model, construind astfel o estimare a starii reale a atmosferei, denumita
analiza, care poate fi utilizata ca punct de plecare pentru integrarea unui model
7/23/2019 Metode de Prognoza
http://slidepdf.com/reader/full/metode-de-prognoza 4/8
numeric de prognoza a vremii. *nformatiile care intra in sistemul de asimilare sunt observatiile,
prima estimare a modelului si proprietatile fizice cunoscute ale sistemului. ;oate aceste
informatii sunt importante, dar in acelasi timp acestea contin erorisi deci nu ne putem baza
complet pe una din ele. !rin urmare, ar trebui cautata o strategie care sa minimizeze in medie
diferenta dintre analiza si starea reala. !entru a proiecta un algoritm care sa faca acest lucru in
mod automat, este necesar sa reprezentam matematic incertitudinea asupra datelor care intra in
procesul de asimilare. Aceste incertitudini pot fi evaluate prin introducerea statisticilor erorilor
datelor respectivesi pot fi modelate cu autorul conceptelor probabilistice. *n acest fel, in
conformitate cu orenc (19<6), algoritmul de asimilare poate fi contruit pornind de la premisa
ca, in medie, erorile analizei sa fie minimesi poate fi privit ca o problema de optimizare.
*n practica, problema analizei nu este rezolvata pentru toate componentele vectorului de
stare al modelului, in parte pentru ca nu se cunoaste inca o metoda care sa realizeze o analiza
consistenta pentru toate componentele, sau pentru ca puterea de calcul nu este suficienta pentru a
realiza analiza la rezolutia modelului. Astfel, spatiul de lucru in procesul de asimilare nu este
spatiul modelului, ci spatiul in care se calculeaza corectiile fata de prima estimare, numit spatiul
variabilelor de control . !rin urmare, problema analizei este de a calcula corectia =x, denumita
incrementul analizei , astfel incat vectorul de stare al analizei
(1)
sa fie cat mai apropiat posibil de starea reala .
Ansamblul valorilor observate care intra in asimilare formeaza vectorul observatiilor 3.
!entru a putea folosi observatiile, trebuie sa le putem compara cu vectorul de stare al primei
estimari xb. #aca am avea suficiente observatii, 3 ar putea fi privit ca o valoare particulara a
vectorului de stare. *nsa, in practica, numarul observatiilor este mai mic decat cel al
variabilelor din model si in plus, acestea sunt distribuite neuniform in spatiu. #in aceasta cauza
este nevoie sa folosim o functie care sa transforme variabilele modelului din spatiul acestuia in
7/23/2019 Metode de Prognoza
http://slidepdf.com/reader/full/metode-de-prognoza 5/8
spatiul observatiilor. Aceasta functie este denumita operatorul observatiilor si este notata cu H.
*n practica, H este o colectie de operatori de interpolare de la discretizarea modelului in
punctele de observatie si de conversie de la variabilele modelului la parametrii observati.
#iferenta intre observatii si vectorul de stare este data de vectorul abaterilor in punctele
de observatie 3 > H(x). #aca abaterea este calculata fata de prima estimare xb, vectorul
abaterilor se numeste inovatie, iar daca abaterea este calculata fata de analiza xa, atunci acesta se
numeste reziduul analizei . u autorul acestor marimi se poate studia calitatea procesului de
asimilare.
;eorema ecuatiei fundamentale a analizei liniare in forma algebrica generala a
estimarii celor mai mici patrate, denumita si cea mai buna estimare liniara fara eroare medie
si abreviata ?% (est inear ?nbiased %stimator), presupune urmatoarele
/ Estimarea optima a celor mai mici patrate, sau analiza ?%, este definita de urmatoarea
ecuatie de interpolare
(@)
unde operatorul liniar este numit matricea de inovatie (sau matricea ponderilor )
analizei si are urmatoarea forma
(
/ Matricea de covarianta a erorilor analizei are urmatoarea forma, oricare ar fi
(
B) #aca matricea ponderilor este matricea optima pentru estimarea celor mai mici patrate,
expresia matricii A devine
(
/ Analiza ?% poate fi obtinuta intr-un mod ecivalent ca solutie a problemei de
optimizare variationale
7/23/2019 Metode de Prognoza
http://slidepdf.com/reader/full/metode-de-prognoza 6/8
(6
unde C este denumita functia de cost a analizei (sau functia de penalizare), Cb este denumit
termenul primei estimari , iar Co este denumit termenul observatiilor .
/ Analiza este optima adica este analiza cea mai apropiata posibil (in sensul erorii
patratice medii) de starea reala .
/ #aca functiile de distributie a probabilitatii erorilor primei estimari si ale observatiilor sunt de tip
&auss, atunci este de asemenea estimarea cu probabilitatea maxima a lui
%xista doua tenici ecivalente de a defini problema analizei statistice
fie presupunand ca matricile de covarianta ale primei estimari si ale observatiilor sunt cunoscute,
caz in care ecuatiile analizei sunt obtinute impunand conditia ca variantele erorilor analizei sa fie
minime0 fie presupunand ca functiile de distributie a probabilitatii erorilor primei estimari si ale
observatiilor sunt de tip &auss, caz in care ecuatiile analizei sunt obtinute prin cautarea starii care
sa aiba probabilitatea maxima.
Aceste doua tenici duc la doi algoritmi matematici ecivalenti care sunt utilizati
pentru rezolvarea problemei
/ determinarea directa a matricii ponderilor 0
/ minimizarea unei functii de cost patratice.
!rincipiul 8#-Dar este de a evita complet calculul matricii ponderilor conform ecuatiei
8, cautand o analiza care sa fie o solutie aproximativa a problemei de minimizare ecivalente
definite prin functia de cost C din ecuatia 6. "olutia aproximativa a analizei este calculata iterativ,
prin evaluari succesive ale functiei de cost si ale gradientului acesteia, astfel incat sa se atinga
minimul functiei C prin utilizarea unui algoritm convenabil. Aproximarea consta in faptul ca se
realizeaza doar un numar mic de iteratii. Algoritmul B#-Dar este o generalizare a asimilarii 8#-
Dar pentru cazul observatiilor distribuite En timp. %cuatiile sunt aceleasi dar operatorii
observatiilor sunt generalizati pentru a include un model de prognoza care sa permita o
7/23/2019 Metode de Prognoza
http://slidepdf.com/reader/full/metode-de-prognoza 7/8
comparatie Entre starea modelului si observatii la momentul de timp corespunzator.
!entru a reprezenta incertitudinile primei estimari, ale observatiilor si ale analizei, vom
presupune ca exista erori intre vectorii de stare ai acestora si vectorul starii reale . 'odul cel mai
corect pentru a descrie aceste incertitudini este de a atribui anumite functii de distributie a
probabilitatii (pdf) pentru fiecare tip de eroare.
%rorile pentru prima estimare, observatiile, analiza si proprietatile statistice, pot fi
modelate in felul urmator
/ erorile primei estimari , cu media si matricea de covarianta
Acestea sunt erori de estimare, care nu includ erorile de
discretizare.
/ erorile observatiilor,cu media si matricea de covarianta
Aceste erori includ erorile instrumentale, erorile in definirea operatorului H si erorile de
reprezentare(erorile de discretizare care apar in urma faptului ca xt nu este o imagine perfecta a
starii reale).
/ erorile analizei , cu media si matricea de covarianta
Acestea sunt erori de estimare, pe care vrem sa le minimizam. %rorile medii
reprezinta problemele sistematice care apar in sistemul de asimilare erori sistematice ale
modelului sau ale observatiilor sau erori sistematice in modul de utilizare a acestora.
*n cazul unui sistem scalar, covariantele erorilor primei estimari sunt de fapt
7/23/2019 Metode de Prognoza
http://slidepdf.com/reader/full/metode-de-prognoza 8/8
simple variante, adica media patratica a abaterilor erorilor de la medie
*n cazul unui sistem multidimensional, covariantele sunt reprezentate printr-o matrice
patratica simetrica. #aca vectorul de stare al modelului are dimensiunea n, atunci matricea de
covarianta va avea dimensiunea n F n. #iagonala matricii va contine variantele pentru fiecare
variabila a modelului, radacinile patrate ale variantelor fiind asa numitele deviatii standard.
Aceasta matrice de covarianta a erorilor este pozitiv definita, in afara cazului
special in care unele variante sunt zero, ceea ce se poate intampla doar daca unele
caracteristici ale primei estimari sunt considerate perfecte.
#e exemplu, in cazul unei stari a modelului tridimensionale, daca notam erorile primei
estimari (minus media lor) cu (e1,e@,e8), atunci matricea de covarianta a erorilor se poate scrie
astfel
;ermenii ne-diagonali pot fi transformati in corelatii ale erorilor (daca variantele
corespunzatoare sunt diferite de zero)
importanta cruciala pentru calitatea analizei o are specificarea corecta a covariantelor
erorilor observatiilor G si primei estimari, deoarece acestea determina gradul in care prima
estimare va fi modificata pentru a fi in acord cu observatiile. !arametrii esentiali in procesul de
asimilare sunt variantele, insa si corelatiile sunt de asemenea importante deoarece acestea
specifica modul in care informatia observata se va extinde in spatiul modelului, in cazul in care
densitatea observatiilor este diferita de rezolutia modelului.