Модель адвективных изменений влажности воздуха со стохастическими параметрами
Ключевые слова:
перенос влаги, случайные процессы, стохастическая модель, распределение Веге – Изинга, математическое ожидание, вторая моментная функция, влияние случайных факторов
Аннотация
В работе приведено решение лежащего в основе модели переноса влаги дифференциального уравнения, коэффициентами которого являются случайные процессы. Распределение проекции мгновенного вектора скорости аппроксимировано законом Веге – Изинга, параметры которого идентифицированы на основе бионической модели адаптивного поискового поведения. Предложены явные формулы для математического ожидания и второй моментной функции решения соответствующего уравнения переноса влаги. Определена оценка степени влияния случайных факторов на систему, в случае замены случайного коэффициента уравнения его математическим ожиданием. Приведен пример, в случае гауссова распределения горизонтальной компоненты скорости ветра, позволяющий определить математическое ожидание и вторую моментную функцию в рамках модельных представлений.
Скачивания
Данные скачивания пока не доступны.
Литература
1. Богаткин, О. Г. Основы авиационной метеорологии : книга / О. Г. Богаткин. – СПб. : Гидрометеоиздат, 2009. – 339 с.
2. Белов, Я. Н. Численные методы прогноза погоды : книга / Я. Н. Белов, Е. П. Борисенков, Б. Д. Панин. – Л. : Гидрометеоиздат, 1989. – 376 с.
3. Матвеев, Л. Т. Физика атмосферы : книга / Л. Т. Матвеев. – Л. : Гидрометеоиздат, 2000. – 376 с.
4. Дмитриева-Арраго, Л. Р. Методы краткосрочного прогноза неконвективной облачности и осадков на основе модели преобразования влаги с учетом параметризации микрофизических процессов. 1. Модель преобразования влаги в атмосфере и прогноз неконвективной облачности / Л. Р. Дмитриева-Арраго // Метеорология и гидрология. – 2004. – No 2. – С. 5–26.
5. Толстых, М. А. Глобальные модели атмосферы: современное состояние и перспективы развития / М. А. Толстых // Труды гидрометеорологического научно-исследовательского центра Российской Федерации. – 2016. – No 359. – С. 5–32.
6. Гидрометцентр России. URL: http://old.meteoinfo.ru/faq
7. Багров, А. Н. Оперативная численная схема прогноза конвективных явлений (кучевообразной облачности, ливней, гроз и шквалов) и обложных осадков / А. Н. Багров // Труды ГМЦ. – 1972. – вып. 91. – С. 29–38.
8. Успенский, Б. Д. Количественный прогноз обложных и ливневых осадков / Б. Д. Успенский // Метеорология и гидрология. – 1970. – No 1. – С. 11–18.
9. Qaddouri, A. The Canadian Global Environmental Multiscale model on the Yin-Yang grid system / A. Qaddouri, V. Lee // Q. J. Roy Meteorol. soc. – 2011. – Vol. 137. – P. 1913–1926.
10. Troch, R. Multiscale Performance of the ALARO-0 Model for Simulating Extreme Summer Precipitation Climatology in Belgium / R. Troch, R. Hamdi, H. Vyver, et al // J. Climate. – 2013. – Vol. 26. – P. 8895–8915.
11. The ICON-1.2 hydrostatic atmospheric dynamical core on triangular grids. Part 1: Formulation and performance of the baseline version / H. Wan [et al] // Geosci. Model Dev. – 2013. – Vol. 6. – P. 735–763.
12. The ICON (ICOsahedral Non-hydrostatic) modelling framework of DWD and MPI-M: Description of the non-hydrostatic dynamical core / G. Zangl [et al] // Q. J. Roy. Meteorol. soc. – 2015. – Vol. 141. – P. 563–579.
13. Adams-Selin, R. D. Forecasting Hail Using a One-Dimensional Hail Growth Model within WRF / R. D. Adams-Selin, C. L. Ziegler // Monthly Weather Review. – 2016. – Vol. 144, No. 12. – P. 4919–4939.
14. The Pan-Canadian High Resolution (2.5 km) Deterministic Prediction System / J. A. Milbrandt [et al.] // Weather and Forecasting. – 2016. – Vol. 31. – No. 6. – P. 1791–1816.
15. Barszcz, A. Improving the Explicit Prediction of Freezing Rain in a Kilometer-Scale Nu-merical Weather Prediction Model / A. Barszcz, J. A. Milbrandt, .J. M. Theriault // Weather and Forecasting. – 2018. – Vol. 33. – No. 3. – P. 767–782.
16. Lorenz, E. N. Deterministic nonperiodic flow / E. N. Lorenz // Journal of the atmospheric sciences. – 1963. – Vol. 20. – P. 130–141.
17. Zadorozhniy, V. G. Stabilization of Linear Systems by a Multiplicative Random Noise / V. G. Zadorozhniy // Differential Equations. – 2018. – Vol.54(6). – P. 728–747.
18. Задорожний, В. Г. Методы вариационного анализа: книга / В. Г. Задорожний. –М.-Ижевск : РХД, 2006. – 316 с.
19. Zadorozhniy, V. G. Linear chaotic resonance in vortex motion / V.G. Zadorozhniy // Computational mathematics and mathematical physics. – 2013. – Vol.53(4). – P. 486–502.
20. Фрик, П. Г. Турбулентность: Подходы и модели: книга / П. Г. Фрик. – М.-Ижевск : Институт компьютерных исследований. – 2003. – 291 с.
21. Oksendal B. Stochastic differential equations. / B. Oksendal. – Berlin : Springer, 2003. – 379 p.
22. A stochastic cloud model for cloud and ozone retrievals from UV measurements / D. S. Efremenko [et al] // Journal of Quantitative Spectroscopy and Radiative Transfer. – 2016. – Vol. 184. – P. 167–179.
23. Kunstmann, H. Effective SVAT-model parameters through inverse stochastic modeling and second-order first moment propagation / H. Kunstmann // Journal of Hydrology. – 2008. – Vol. 348. – P. 13-26.
24. Vaga, T. The Coherent Market Hypothesis / T. Vaga // Financial Analysts Journal. – 1990. – Vol. 46. – No. 6. P. 36–49.
25. Коваленко, В. В. Динамические и стохастические модели гидрологического цикла : учебное пособие / В. В. Коваленко. – Л. : Ленинградский политехнический институт, 1988, 180 с.
26. Nepomnyashchikh, V. A bionic model of adaptive searching behavior / V. Nepomnyashchikh, E. E. Popov, V. Red’ko // International Journal of Computer and Systems Sciences, 2008. – Vol. 47. – No. 1. – P. 78–85.
27. Колмогоров, А. Н. Элементы теории функций и функционального анализа / А. Н. Колмогоров, С. В. Фомин. – 6-е изд., исправл. – Москва : «Наука», 1989. – 624 с.
28. Шилов, Г. Е. Математический анализ. Второй специальный курс / Г. Е. Шилов. – Москва : «Наука», 1965. – 328 с.
2. Белов, Я. Н. Численные методы прогноза погоды : книга / Я. Н. Белов, Е. П. Борисенков, Б. Д. Панин. – Л. : Гидрометеоиздат, 1989. – 376 с.
3. Матвеев, Л. Т. Физика атмосферы : книга / Л. Т. Матвеев. – Л. : Гидрометеоиздат, 2000. – 376 с.
4. Дмитриева-Арраго, Л. Р. Методы краткосрочного прогноза неконвективной облачности и осадков на основе модели преобразования влаги с учетом параметризации микрофизических процессов. 1. Модель преобразования влаги в атмосфере и прогноз неконвективной облачности / Л. Р. Дмитриева-Арраго // Метеорология и гидрология. – 2004. – No 2. – С. 5–26.
5. Толстых, М. А. Глобальные модели атмосферы: современное состояние и перспективы развития / М. А. Толстых // Труды гидрометеорологического научно-исследовательского центра Российской Федерации. – 2016. – No 359. – С. 5–32.
6. Гидрометцентр России. URL: http://old.meteoinfo.ru/faq
7. Багров, А. Н. Оперативная численная схема прогноза конвективных явлений (кучевообразной облачности, ливней, гроз и шквалов) и обложных осадков / А. Н. Багров // Труды ГМЦ. – 1972. – вып. 91. – С. 29–38.
8. Успенский, Б. Д. Количественный прогноз обложных и ливневых осадков / Б. Д. Успенский // Метеорология и гидрология. – 1970. – No 1. – С. 11–18.
9. Qaddouri, A. The Canadian Global Environmental Multiscale model on the Yin-Yang grid system / A. Qaddouri, V. Lee // Q. J. Roy Meteorol. soc. – 2011. – Vol. 137. – P. 1913–1926.
10. Troch, R. Multiscale Performance of the ALARO-0 Model for Simulating Extreme Summer Precipitation Climatology in Belgium / R. Troch, R. Hamdi, H. Vyver, et al // J. Climate. – 2013. – Vol. 26. – P. 8895–8915.
11. The ICON-1.2 hydrostatic atmospheric dynamical core on triangular grids. Part 1: Formulation and performance of the baseline version / H. Wan [et al] // Geosci. Model Dev. – 2013. – Vol. 6. – P. 735–763.
12. The ICON (ICOsahedral Non-hydrostatic) modelling framework of DWD and MPI-M: Description of the non-hydrostatic dynamical core / G. Zangl [et al] // Q. J. Roy. Meteorol. soc. – 2015. – Vol. 141. – P. 563–579.
13. Adams-Selin, R. D. Forecasting Hail Using a One-Dimensional Hail Growth Model within WRF / R. D. Adams-Selin, C. L. Ziegler // Monthly Weather Review. – 2016. – Vol. 144, No. 12. – P. 4919–4939.
14. The Pan-Canadian High Resolution (2.5 km) Deterministic Prediction System / J. A. Milbrandt [et al.] // Weather and Forecasting. – 2016. – Vol. 31. – No. 6. – P. 1791–1816.
15. Barszcz, A. Improving the Explicit Prediction of Freezing Rain in a Kilometer-Scale Nu-merical Weather Prediction Model / A. Barszcz, J. A. Milbrandt, .J. M. Theriault // Weather and Forecasting. – 2018. – Vol. 33. – No. 3. – P. 767–782.
16. Lorenz, E. N. Deterministic nonperiodic flow / E. N. Lorenz // Journal of the atmospheric sciences. – 1963. – Vol. 20. – P. 130–141.
17. Zadorozhniy, V. G. Stabilization of Linear Systems by a Multiplicative Random Noise / V. G. Zadorozhniy // Differential Equations. – 2018. – Vol.54(6). – P. 728–747.
18. Задорожний, В. Г. Методы вариационного анализа: книга / В. Г. Задорожний. –М.-Ижевск : РХД, 2006. – 316 с.
19. Zadorozhniy, V. G. Linear chaotic resonance in vortex motion / V.G. Zadorozhniy // Computational mathematics and mathematical physics. – 2013. – Vol.53(4). – P. 486–502.
20. Фрик, П. Г. Турбулентность: Подходы и модели: книга / П. Г. Фрик. – М.-Ижевск : Институт компьютерных исследований. – 2003. – 291 с.
21. Oksendal B. Stochastic differential equations. / B. Oksendal. – Berlin : Springer, 2003. – 379 p.
22. A stochastic cloud model for cloud and ozone retrievals from UV measurements / D. S. Efremenko [et al] // Journal of Quantitative Spectroscopy and Radiative Transfer. – 2016. – Vol. 184. – P. 167–179.
23. Kunstmann, H. Effective SVAT-model parameters through inverse stochastic modeling and second-order first moment propagation / H. Kunstmann // Journal of Hydrology. – 2008. – Vol. 348. – P. 13-26.
24. Vaga, T. The Coherent Market Hypothesis / T. Vaga // Financial Analysts Journal. – 1990. – Vol. 46. – No. 6. P. 36–49.
25. Коваленко, В. В. Динамические и стохастические модели гидрологического цикла : учебное пособие / В. В. Коваленко. – Л. : Ленинградский политехнический институт, 1988, 180 с.
26. Nepomnyashchikh, V. A bionic model of adaptive searching behavior / V. Nepomnyashchikh, E. E. Popov, V. Red’ko // International Journal of Computer and Systems Sciences, 2008. – Vol. 47. – No. 1. – P. 78–85.
27. Колмогоров, А. Н. Элементы теории функций и функционального анализа / А. Н. Колмогоров, С. В. Фомин. – 6-е изд., исправл. – Москва : «Наука», 1989. – 624 с.
28. Шилов, Г. Е. Математический анализ. Второй специальный курс / Г. Е. Шилов. – Москва : «Наука», 1965. – 328 с.
Опубликован
2019-03-16
Как цитировать
Задорожний, В. Г., Семенов, М. Е., Ульшин, И. И., & Ножкин, В. С. (2019). Модель адвективных изменений влажности воздуха со стохастическими параметрами. Вестник ВГУ. Серия: Системный анализ и информационные технологии, (2), 38-48. https://doi.org/10.17308/sait.2019.2/1288
Выпуск
Раздел
Информационно-измерительные, управляющие и сетевые системы
- Авторы сохраняют за собой авторские права и предоставляют журналу право первой публикации работы, которая по истечении 6 месяцев после публикации автоматически лицензируется на условиях Creative Commons Attribution License , которая позволяет другим распространять данную работу с обязательным сохранением ссылок на авторов оригинальной работы и оригинальную публикацию в этом журнале.
- Авторы имеют право размещать их работу в сети Интернет (например в институтском хранилище или персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу (См. The Effect of Open Access).
