Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: indeksy cyrkulacyjne

Sortuj według:

Ogranicz wyniki do:

Zastosowanie regresji wielokrotnej w modelowaniu średniej miesięcznej temperatury maksymalnej i minimalnej

Zieliński M.

Przegląd Geofizyczny

2012

Z. 1

85-95

Model regresji wielokrotnej został zastosowany do modelowania wartości średniej miesięcznej temperatury maksymalnej i minimalnej na 10 wybranych polskich stacjach meteorologicznych. Wartości temperatury stanowiły zmienne zależne, a miesięczne wartości wskaźników cyrkulacji: North Atlantic Oscillation (NAO), Scandinavian Pattern (SCA), East Atlantic Pattern (EA), East Atlantic/ Western Russia Pattern (EA/WR), Polar/Eurasia Pattern (POL) stanowiły zmienne niezależne. Okres poddany analizie (1951-2006) został podzielony na dwie równe 28-letnie części. Podziału dokonano na podstawie analizy zmienności wspomnianych indeksów cyrkulacyjnych powyżej odnoszące się do każdego miesiąca. W obu krótszych seriach wyznaczono równania regresji wielokrotnej. Obliczono wartości współczynnika determinacji (R2), określono także istotność statystyczną regresji. W celu weryfikacji modelu drugiej z 28-letnich serii użyto, wraz z pierwszą, jako okresu referencyjnego. Obliczono miary różnicy wartości prognozowanych (ang. differencial measures), a wśród nich m.in. pierwiastek błędu średniokwadratowego (RMSE), błąd systematyczny (MSEs) i błąd niesystematyczny (MSEu), a także indeks zgodności (d). Wymienione wskaźniki pozwoliły wyznaczyć miesiące, w których cyrkulacja w największym stopniu wpływa na kształtowanie temperatur ekstremalnych, a co za tym idzie na możliwości ich modelowania. Porównanie wyników z pierwszego okresu (1951-1978) i drugiego (1979-2006) wskazuje, że zmienność cyrkulacji w znacznym stopniu oddziałuje na możliwości wykorzystania równania regresji wielokrotnej do modelowania temperatur ekstremalnych. Ponadto temperatura minimalna w mniejszym stopniu podlega wpływom cyrkulacji aniżeli tempera-tura maksymalna. W związku z tym modele statystyczne oparte na jej wartościach cechują się większymi błędami.

Multiple linear regression model was used for modeling of mean monthly maximum and minimum temperature on 10 meteorological stations located in Poland. The temperature values were the dependent variables, while the monthly circulation index values: North Atlantic Oscillation (NAO), Scandinavian Pattern (SCA), East Atlantic Pattern (EA), East Atlantic/Western Russia Pattern (EA/ WR), Polar/Eurasia Pattern (POL) were the independent variables. The analyzed period (1951-2006) was divided into two equal 28-year subseries. Division was based on analysis of the variability of mentioned circulation indices. The annual index values were smoothed with 10-year moving average. Then the NAO and the EA passed from the period when their negative phase prevailed to the period when the positive one was more frequent. In case of the SCA the change was opposed. Two other indices have reached the lowest values in the late 70's and 80's, while the maxima occurred around the middle of 28-year series. The periodicity of the indices were investigated by the means of autocorrelation function (Blackman-Tukey method). For each month in both short time series the multiple regression equation was determined. The determination coefficient (R2) was calculated, and statistical significance of regression was tested. In order to verify the models, the second of the 28-year series was used, with the first, as the reference period. For predicted values the differential measures such as: root mean square error (RMSE), systematic error (MSEs), unsystematic error (MSEu) and index of agreement (d). Above measures allowed to determine the months when the circulation has had the most important influence on maximum and minimum temperature variation and thus on the possibility of theirs modeling. The comparison of the results of the first period (1951-1978) and second (1978-2006) indicates that the variability of circulation significantly affects the ability to use the multiple regression equations for modeling of the extreme temperatures. Moreover minimum temperature is less vulnerable to circulatory impacts, thus statistical models depending on circulation indices are less accurate than in case of maximum temperature.