Bakgrund
Väderprognoser lider i princip av två typer av fel: systematiska och icke-systematiska. De systematiska felen går att korrigera med olika typer av statistiska metoder. På SMHI är Kalmanfilter en etablerad metodik för att korrigera de systematiska felen. Metodiken bygger på att man med hjälp av Kalmanfilter anpassar parametrarna i enklare linjära modeller som beskriver de lokala prognosfelen. I dagsläget antas att process- och observationsbrus är konstanta. Prognososäkerheten varierar dock beroende på säsong, terräng och väderläge. Därför kan det vara intressant att undersöka om en adaptiv brusmodell kan bidra till att minska prognosfelen.
Mål
Ta fram och utvärdera adaptiva brusmodeller till Kalmanfilter som klarar av anpassning till lokala förhållanden, säsong och kan minimera risken för överanpassning till stora tillfälliga prognosfel.
Uppdragsbeskrivning
- Utifrån litteraturstudie och egna idéer ta fram ett par förslag på adaptiva brusmodeller.
- Implementera de föreslagna adaptiva brusmodellerna i Python, Matlab eller dylikt programmeringsspråk.
- Utvärdera om och i vilken omfattning de adaptiva brusmodellerna bidrar till att minska prognosfelen.
Ansökan
Skicka din ansökan märkt med ref nr 819 till registrator@smhi.se