Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

1 Wars z aw a, 26 - 30.09.2005 Modelowanie typu ensemble: wykorzystanie w procesie podejmowania decyzji Stefano Galmarini Institute for Environment and.

Podobne prezentacje


Prezentacja na temat: "1 Wars z aw a, 26 - 30.09.2005 Modelowanie typu ensemble: wykorzystanie w procesie podejmowania decyzji Stefano Galmarini Institute for Environment and."— Zapis prezentacji:

1 1 Wars z aw a, Modelowanie typu ensemble: wykorzystanie w procesie podejmowania decyzji Stefano Galmarini Institute for Environment and Sustainability Joint Research Center, Italy Sławomir Potempski CoE MANHAZ

2 2 Wars z aw a, Nieco historii W 1897 r. H. Poincarè zaobserwował układy dynamiczne wrażliwe na warunki początkowe. W 1963 r. E. Lorenz opublikował pracę dotyczącą wrażliwości modelu równań opisujących atmosferę na warunki początkowe – zaczęto mówić o rozwiązaniach chaotycznych. Od tej pory następuje szybszy rozwój teorii układów chaotycznych (chaos deterministyczny). W 1969 Epstein wprowadził pojęcie prognozowania stochastyczno- dynamicznego za pomocą funkcji rozkładu prawdopodobieństwa (równanie Liouvillea lub Fokkera-Plancka). Zmiana paradygmatu numerycznego prognozowania pogody z: próby wyznaczenia najlepszych warunków początkowych w celu wykonania deterministycznej prognozy na: prognozowanie stochastyczno-dynamiczne.

3 3 Wars z aw a, Podstawy prognozowania typu ensemble Małe początkowe zaburzenia mogą prowadzić do dużych różnic w prognozach numerycznych Ewolucja długo-czasowa perturbacji jest opisana za pomocą wektorów Lapunowa Globalny wektor Lapunowa jest singularnym wektorem modelu stycznego Pozostałe wektory Lapunowa mogą być uzyskane podobnie jak globalny ale po zastosowaniu ortogonalizacji

4 4 Wars z aw a,

5 5 Podstawy prognozowania typu ensemble Podejście ECWMF oparte jest na szukaniu wektorów singularnych: Wyznaczenie najszybciej rosnących modów stycznego modelu linowego i modelu sprzężonego Mody są bliskie do wektorów Lapunowa ale odzwierciedlają zachowanie się części liniowej Metoda jest kosztowna obliczeniowo i Zależy od wybranej normy (ortogonalizacja !)

6 6 Wars z aw a, Podstawy prognozowania typu ensemble Podejście NCEP oparte na wektorach bred: 1. Znalezienie rozwiązania kontrolnego. 2. Dodanie perturbacji (dowolne zaburzenie początkowe) do podstawowego rozwiązania, scałkowanie modelu nieliniowego i odjęcie niezaburzonego rozwiązania od zaburzonego perturbacją 3. Wyznaczenie wielkości perturbacji przy użyciu dowolnej normy i jej przeskalowanie 4. Powtórzenie 2 i 3 dla kolejnych kroków czasowych

7 7 Wars z aw a, Multi-model ensembling Zamiast wprowadzać sztuczne perturbacje można użyć wielu różnych modeli, różnych parametryzacji, etc., i: –Albo wystartować z globalnych prognoz (kontrolnych i zaburzonych) a następnie uruchomić modele regionalne i mezoskalowe –Albo uruchomić model globalny (spektralny) a następnie uruchomić modele regionalne i mezoskalowe z zaburzeniami Jakie modele: np. RAMS, MM5/WRF, Eta, GSM/RSM

8 8 Wars z aw a, RAMS Ensemble – Spagetti plot – geopot. hgts m – t48h

9 9 Wars z aw a, MM5 ensemble - spagetti plot – geopot. hgts m – t48h

10 10 Wars z aw a, Both ensemble- spagetti plot – geopot.hgts m – t48h

11 11 Wars z aw a, RAMS ensemble – mean speed 10m – t48h

12 12 Wars z aw a, MM5 ensemble – mean speed 10m – t48h

13 13 Wars z aw a, Both ensemble – mean speed 10 mb – t48h

14 14 Wars z aw a, RAMS ensemble – spread speed 10 mb – t48h

15 15 Wars z aw a, MM5 ensemble – spread speed 10 mb – t48h

16 16 Wars z aw a, Both ensemble – spread speed 10 mb – t48h

17 17 Wars z aw a, RAMS ensemble – mean pressure on SL – t48h

18 18 Wars z aw a, MM5 ensemble- mean pressure on SL - t48h

19 19 Wars z aw a, Both ensembles - mean pressure on SL – t48h

20 20 Wars z aw a, Analysis – pressure on SL – t48h

21 21 Wars z aw a, HYPACT: HYbrid PArticle and Concentration Transport Model 3-D model transportu i dyspersji skażeń w atmosferze sprzężony z numerycznym modelem prognozy pogody RAMS Połączenie modelu Eulerowskiego (siatkowego) z Lagranżowskim modelem cząstek Typowo model cząstek używany w pobliżu źródła Obliczenia na dalszych odległościach na siatce Eulerowskiej

22 22 Wars z aw a, Spaghetti plot dla prognozy kontrolnej i dwóch perturbacji przy użyciu modelów HYPACT i RAMS

23 23 Wars z aw a, Izolinie średnich stężeń

24 24 Wars z aw a, Rozrzut ensemble

25 25 Wars z aw a, Stężenia w kolejnych krokach czasowych

26 26 Wars z aw a, Prognozowanie dalekozasięgowej dyspersji atmosferycznej jest istotną częścią procesu zarządzania sytuacją kryzysową po uwolnieniu niebezpiecznych substancji do atmosfery Używanych jest wiele różnych modeli i systemów Wyniki nie zawsze są zgodne! PrzykładPrzykład Pytania: Czy modele dalekozasięgowe są użyteczne ? Czy wszyscy powinni stosować jeden model ? Jeśli tak, to który ? A może jest sposób na wykorzystanie różnorodności wyników ? Projekt UE ENSEMBLE

27 27 Warszawa, Projekt UE ENSEMBLE Zbieranie w czasie rzeczywistym prognoz rozwoju sytuacji z 22 modeli używanych w 16 instytucjach na świecie Oparty na WWW system umożliwiający: –Konsultację –Porównania –Statystyczne interpretacje –Analizę Multi-model ensemble z uzyskanych prognoz

28 28 Wars z aw a, Zasady Ensemblingu Użycie bezpośrednio wszystkich dostępnych informacji o predykcji dyspersyjnej Wyniki modeli mogą być pogrupowane przez użytkowników według następujących kryteriów: - zastosowanej meteorologii - typu modelu dyspersyjnego - czasu prognozy (analizy) Analizy informacji z modeli w celu oszacowania zgodności rezultatów symulacji w czasie i przestrzeni

29 29 Wars z aw a, DM Community Other Users Wyniki dostępne dla wszystkich M1 M2M..M22 Prezentacja wyników modeli: Pojedynczego modelu Wielu modeli Różnych grup połączonych modeli Wysłanie wyników symulacji M1M2M3M4M5M..M22 Zawiadomienie o uwolnieniu

30 30 Wars z aw a, Internet Organizacja

31 31 Wars z aw a, ENSEMBLE Modelling groups Risø National Laboratory (DK) German Weather Service (D) Royal Netherlands Meteorological Institute (NL) National Institute of Public Health and Environmental Protection (NL) Royal Meteorological Institute Belgium (B) Meteo-France (F) Meteorological Office (UK) Finnish Meteorological Institute (FIN) Swedish Meteorological and Hydrological Institute (S) Danish Meteorological Institute (DK) Austrian Meteorological and Geophysical Office (A) National Institute of Meteorology and Hydrology (BG) Polish Atomic Energy Institute (PL) Norwegian Meteorological Office (N) Greece National Research Centre "Demokritos" (GR) Environment Canada (CAN) Savannah River Site (USA)

32 32 Wars z aw a, Notification by: Web Zawiadomienie o uwolnieniu

33 33 Wars z aw a, Potrzebny czas jest praktycznie funkcją czasu symulacji Prognoza dyspersji z dostępną meteorologią Output w postaci plików ENSEMBLE Wysłanie rezultatów do systemu ENSEMBLE STRONA KLIENTA SYSTEMU notyfikacja

34 34 Wars z aw a, Ensemble-file-modelXX WYSŁANIE WYNIKÓW MODELU

35 35 Wars z aw a, WERIFYIKACJA STANU

36 36 Wars z aw a, Stężenie na 5 poziomach Scałkoane po czasie stężenia Sucha i mokra depozycja (3hourly 60 h forecast) 0.5 x 0.5 stopnia - rozdzielczość ENSEMBLE-dane

37 37 Wars z aw a, Ćwiczenia ENSEMBLE 11 fikcyjnych uwolnień Cs-137 Pierwsze wyniki symulacji w ciągu Masa krytyczna do grupowania wyników w ciągu 45

38 38 Wars z aw a, F T0+72 h A F T0+60 h A T0+12 h F T0+48 h A T0+24 h F T0+36 h A T0+36 h F T0+24 h A T0+48 h F T0+12 h A T0+60 h T0 F Tr+60 h 1st Ensemble F DF Tr+60 h 2nd Ensemble F DF Tr+60 h 3rd Ensemble F DF Tr+60 h 4th Ensemble F DF Tr+60 h 5th Ensemble F DF Tr+60 h 6th Ensemble F DF Time horizon Weather Dispersion 60 h DF Tr+60 h 7th Ensemble F F A T0+72 h time Only forecasted met Partly forecasted partly analysed met Only analysed met Release time Tr T0+12 h T0+24 h T0+36 hT0+48 hT0+60 h T0+72 h Wyniki symulacji Ensemble

39 39 Wars z aw a, Modele Wyniki modeli Pojedynczy model Grupowanie modeli porównania wewnątrz grupy Grupowanie modeli porównania grup Pojedynczy model vs grupa modeli Porównania wyników

40 40 Wars z aw a, ECWMF+-based forecast of 4 models HIRLAM-based forecast of 6 models

41 41 Wars z aw a, wskaźniki Agreement in Threshold level Agreement in percentile level Multi-model ensemble

42 42 Wars z aw a, ECWMF-based forecast of 4 models HIRLAM-based forecast of 6 models Averaging

43 43 Wars z aw a, Zgodność progowa: Dla danej zdefiniowanej grupy modeli: ile modeli wskazuje, że stężenie będzie powyżej określonego progu ? Gdzie przestrzennie jest taka zgodność ?

44 44 Wars z aw a,

45 45 Wars z aw a,

46 46 Wars z aw a,

47 47 Wars z aw a, Zgodność procentowa poziomu: Jaki są poziomy i rozkład przestrzenny określonej zmiennej prognozowanej dla zdefiniowanego przez użytkownika procentu i określonej grupy modeli ?

48 48 Wars z aw a, Zgodność dla określonej lokalizacji

49 49 Wars z aw a, Zgodność dla określonej lokalizacji

50 50 Wars z aw a, Analiza globalna

51 51 Warszawa, Ewaluacja –Analiza ćwiczenia ETEX-1 –16 modeli z różnymi żródłami modeli meteo –Porównanie z danymi monitoringowymi

52 52 Wars z aw a, Agreement in Threshold Level (ATL) –Scałkowane stężeniaScałkowane stężenia –Stężenia na ziemiStężenia na ziemi Agreement in Percentile Level (APL): –Wstępna analizaWstępna analiza –Globalna analizaGlobalna analiza Model mediany –Analiza przestrzennaAnaliza przestrzenna –Ewolucja w czasieEwolucja w czasie –Wszyscy za jednego, jeden za wszystkich !Wszyscy za jednego, jeden za wszystkich ! Ewaluacja – dostępne parametry

53 53 Wars z aw a, PODSUMOWANIE Obecnie trudno zidentyfiować najbardziej wiarygodny sposób rozwiązania problemu Modelowanie Ensemble może poprawić wiarygodność prognoz i wspomóc proces podejmowania decyzji System ensemble złożony z modeli po odpowiedniej walidacji może dostarczyć więcej informacji niż pojedynczy model Przy dużej liczbie dostępnych prognoz, rozrzut wyników można wykorzystać jako informację Analiza wyników za pomocą mediany może być bardziej pomocna nż przy pomocy średniej Chociaż niezależność modeli pozwala na większą wiarygodność, to nie daje gwarancji predykcji.


Pobierz ppt "1 Wars z aw a, 26 - 30.09.2005 Modelowanie typu ensemble: wykorzystanie w procesie podejmowania decyzji Stefano Galmarini Institute for Environment and."

Podobne prezentacje


Reklamy Google