Weryfikacja modelu hydrodynamicznego i modelu ProDeMo

Slides:



Advertisements
Podobne prezentacje
Regresja i korelacja materiały dydaktyczne.
Advertisements

Badania statystyczne Wykłady 1-2 © Leszek Smolarek.
Excel Narzędzia do analizy regresji
KORELACJA I REGRESJA WIELOWYMIAROWA
Analiza współzależności zjawisk
Efekty mechano- chemiczne
Cyfrowy model powierzchni terenu
Podsumowanie wykładu 1. Najpełniejszą charakterystyką wybranej zmiennej jest jej rozkład.
BUDOWA MODELU EKONOMETRYCZNEGO
Modelowanie procesów kształtujących jakość wód powierzchniowych
Jak mierzyć zróżnicowanie zjawiska? Wykład 4. Miary jednej cechy Miary poziomu Miary dyspersji (zmienności, zróżnicowania, rozproszenia) Miary asymetrii.
Krzysztof Jurek Statystyka Spotkanie 4. Miary zmienności m ó wią na ile wyniki są rozproszone na konkretne jednostki, pokazują na ile wyniki odbiegają
Autor: Aleksandra Magura-Witkowska
Statystyka w doświadczalnictwie
Podstawowe pojęcia prognozowania i symulacji na podstawie modeli ekonometrycznych Przewidywaniem nazywać będziemy wnioskowanie o zdarzeniach nieznanych.
TERMOCHEMIA.
TERMOCHEMIA.
Pakiety statystyczne Maciej Szydłowski (dr)
Analiza korelacji.
Badanie rzeki Mienia Grupa chemiczna.
Korelacje, regresja liniowa
Główne zadania Oceanografii biologicznej
WSTĘP DO GEOGRAFII FIZYCZNEJ SYSTEMOWY OBRAZ PRZYRODY - MODELE
Wykład 4. Rozkłady teoretyczne
Korelacja, autokorelacja, kowariancja, trendy
Institute of Oceanogphy Gdańsk University Jan Jędrasik The Ecohydrodynamic Model of the Southern Baltic Sea GDYNIA 2003.
czyli jak analizować zmienność zjawiska w czasie?
Analiza współzależności cech statystycznych
Jak mierzyć i od czego zależy?
Bogdan Woźniak1, Mirosław Darecki1, Adam Krężel2, Dariusz Ficek3
SATELITARNE OBSERWACJE GLONÓW JAKO PODSTAWA BADAŃ ŻYCIA I KLIMATU NA ZIEMI Bogdan Woźniak1,3, Roman Majchrowski3, Dariusz Ficek3, Mirosław Darecki1, Mirosława.
Modelowanie hydrologiczne z wykorzystaniem technik teledetekcji
Irena Woroniecka EKONOMIA MENEDŻERSKA - dodatek do W2
Zmiany gęstości wody i ich znaczenie dla życia w przyrodzie
Na podstawie referatu K.Kulesza i in.
Prognozowanie z wykorzystaniem modeli ekonometrycznych
SYSTEM GIS CZASU RZECZYWISTEGO DO ZADALNEGO MONITOROWANIA ZANIECZYSZCZEŃ I INNYCH KOMPONENTÓW ŚRODOWISKA MORSKIEGO.
Przedmiot: Ekonometria Temat: Szeregi czasowe. Dekompozycja szeregów
Wnioskowanie statystyczne
Życie w morzach i oceanach
Warsztaty początkowe dla nauczycieli, października 2012 Badania hydrologiczne Jarosław J. Napiórkowski Instytut Geofizyki PAN
Weryfikacja hipotez statystycznych
Statystyczna analiza danych w praktyce
Statystyczna analiza danych
Statystyczna analiza danych
Model ekonometryczny Jacek Szanduła.
Statystyczna analiza danych
Model trendu liniowego
Korelacje dwóch zmiennych. Korelacje Kowariancja.
Treść dzisiejszego wykładu l Weryfikacja statystyczna modelu ekonometrycznego –błędy szacunku parametrów, –istotność zmiennych objaśniających, –autokorelacja,
Identyfikacja oddziaływań zmian poziomów wód podziemnych w obszarze RZGW Szczecin z uwzględnieniem zmian klimatu Państwowy Instytut Geologiczny- Państwowy.
Weryfikacja hipotez statystycznych „Człowiek – najlepsza inwestycja”
Modele nieliniowe sprowadzane do liniowych
STATYSTYKA – kurs podstawowy wykład 11
Wzór dla planistów przestrzennych (poniższa prezentacja może być wykorzystywana i modyfikowana do Państwa potrzeb) Data, autor, tematyka, itd. „Wyzwania.
Dokładność NMT modelowanie dokładności NMT oszacowanie a priori badanie a posteriori.
Wojciech Bartnik, Jacek Florek Katedra Inżynierii Wodnej, Akademia Rolnicza w Krakowie Charakterystyka parametrów przepływu w potokach górskich i na terenach.
Jak mierzyć zróżnicowanie zjawiska?
METODYKA MODELOWANIA POWIERZCHNI CZYNNEJ NARZĘDZI ŚCIERNYCH
Który gaz ma najmniejszą gęstość?
KORELACJA I REGRESJA WIELOWYMIAROWA
METODYKA MODELOWANIA POWIERZCHNI CZYNNEJ NARZĘDZI ŚCIERNYCH
Rozkład z próby Jacek Szanduła.
EKONOMETRIA W3 prof. UG, dr hab. Tadeusz W. Bołt
Regresja wieloraka – bada wpływ wielu zmiennych objaśniających (niezależnych) na jedną zmienną objaśnianą (zależą)
Jednorównaniowy model regresji liniowej
Analiza niepewności pomiarów Zagadnienia statystyki matematycznej
Model ekonometryczny z dwiema zmiennymi
PODSTAWY STATYSTYKI Wykład udostępniony przez dr hab. Jana Gajewskiego
Korelacja i regresja liniowa
Zapis prezentacji:

Weryfikacja modelu hydrodynamicznego i modelu ProDeMo Instytut Oceanografii Uniwersytetu Gdańskiego Jan Jędrasik Weryfikacja modelu hydrodynamicznego i modelu ProDeMo Pracę wykonano w ramach projektu badawczego KBN nr 6PO4G 06117 GDYNIA 2003

Modelowane obszary z zaznaczonymi stacjami obserwacyjnymi

Miary statystyczne zastosowane do weryfikacji modelu

Model ProDeMo

Zależność pomiędzy wartościami obserwowanymi (OBS) i modelowanymi (MOD) parametrów chemicznych i fizycznych w południowej części Bałtyku stacja: P1 w okresie 1994 ‑ 2000 (R – współczynnik korelacji, SD – odchylenie standardowe, N – liczba obserwacji)

Przebieg powierzchniowej zmienności obserwowanych i modelowanych parametrów fizyko – chemicznych: azotanów N-NO3, amoniaku N-NH4, fosforanów P-PO4, krzemianów Si-SiO4, tlenu rozpuszczonego O-O2, temperatury wody Tw na Głębi Gdańskiej (stacja P1) w okresie 1994 – 2000

Przebieg zmienności obserwowanych i modelowanych parametrów fizyko–chemicznych: azotanów N-NO3, amoniaku N-NH4, fosforanów P-PO4, krzemianów Si-SiO4, tlenu rozpuszczonego O-O2, temperatury wody Tw na Głębi Gdańskiej (stacja P1 z = 100 m) w okresie 1994 – 2000

Współczynniki korelacji, determinacji i efektywności oraz obciążenia dla zmiennych stanu na stacjach: a) P1, b) P140, c) P5, d) wszystkie stacje, w okresie 1994-2000

Model hydrodynamiczny Podsumowanie: Model hydrodynamiczny weryfikowany według: wahań poziomu morza, rozkładów temperatury wody i jej zasolenia oraz obrazów satelitarnch temperatury uzyskał wysokie oceny statystyczne potwierdzające zgodność wartości modelowanych i obserwowanych we wszystkich akwenach dla 6 letniego okresu porównań. Model hd wskazał rejon występowania, wielkość i kształt upwellingów na powierzchni morza potwierdzonych zdjęciami satelitarnymi. Model odwzorowywał także strukturę kolumny wody. Bezpośrednie rejsy obserwacyjne wskazały na potrzebę zwiększenia rozdzielczości siatek numerycznych dla akwenów występowania upwellingów. Obecna rozdzielczość z oczkiem 1mM2 pozwala na ocenę zgrubną. Model hd zaniżał wartości temperatury wody, zawyżał zasolenie, a także w niektórych okresach wahania poziomu morza

Model ProDeMo Modelowane wartości zmiennych stanu opisujące procesy biogeochemiczne konfrontowane z rzeczywistymi wartościami pomierzonymi wykazały generalnie dużą zgodność przestrzennych i czasowych rozkładów w zakresie soli biogenicznych oraz miejsca i czasu zakwitów fitoplanktonu Modelowane przebiegi soli biogenicznych w odniesieniu do związków azotowych były zawyżone, a dla fosforowych i krzemowych – zaniżone. Modelowany tlen rozpuszczony wysoko korelował z wartościami pomierzonymi w górnych warstwach toni wodnej, jednak w przydennych nie symulował deficytów tlenu, które były obserwowane. Wprowadzona metodyka oceny modeli wskazała ich zalety oraz niedomagania Wskazane obciążenia modelu korygowały wysokie korelacje pokazując efektywność związków pomiędzy wartościami modelowanymi i obserwowanymi. Zastosowane miary statystyczne pozwoliły na oceny każdej zmiennej stanu na dowolnym poziomie głębokości, dowolnej stacji oraz wszystkich zmiennych łącznie w całym akwenie.