Прогностическая метеорологическая модель на основе графических фигур фиксированной длины
Ключевые слова:
ограниченный объем метеоданных, графическая фигура фиксированной длины, элемент паттерна, абсолютная частота появления события, условная вероятность прогностического исхода, Арктическая зона РФ, высота нижней границы облачности, дальность видимости
Аннотация
Представлено решение задачи повышения успешности прогнозирования метеорологических величин при ограниченном объеме исходной информации. В качестве инструмента для предсказания погодных условий предлагается использовать прогностические метеорологические модели на основе графического анализа временного ряда метеорологических величин. Построение данных моделей проводится с использованием методов технического анализа, теории вероятности, теории больших чисел, логического исчисления и комбинаторики. В качестве основного инструмента используются графические фигуры, определяемые на основе анализа хронологических рядов значений атмосферных параметров и отражающие закономерности их изменчивости. В процессе практического использования предложенной модели оцениваются условные вероятности возможных путей развития атмосферных процессов, и выбирается наиболее вероятный в сложившейся ситуации исход. Полученная метеорологическая модель успешно апробирована при прогнозировании высоты нижней границы облачности и дальности видимости в Арктической зоне Российской Федерации, специфической особенностью которой является разреженная сеть метеорологических станций. Характеристики успешности разрабатываемых на ее основе прогнозов существенно превышают аналогичные показатели существующих методов.
Скачивания
Данные скачивания пока не доступны.
Литература
1. Manual on practical work of meteoro-logical units of the aviation of the Armed Forces (1992) Ed. by I.P. Egorova. Moscow : Voeniz-dat. 486 p.
2. Pilovets G. I. (2017) Meteorology and climate science: textbook. Moscow : INFA-M. 399 p.
3. Panin B. D., Belov P. N., E. P. Boris-enkov. (1989) Numerical methods of weather forecasting. Leningrad : Hydrometeoizdat. 376 p.
4. Schwager, J. (1996) Technical analysis. N.-Y. : John Wiley & Sons. 768 p.
5. Appel D. (2007) Technical analysis. Ef-fective tools for an active investor. St. Peters-burg : Peter. 304 p.
6. Linkova M. V. (2016) Technical analy-sis: concept, essence and axioms // The Territory of Science. No. 3. P. 179–182.
7. Skrobotov A. A. (2017) Stable methods of testing the type of trend in data: theoretical and empirical aspects: : dissertation... candidate of Economic Sciences : 08.00.13 [Place of pro-tection: Russian Academy of Sciences and State Services under the President of the Russian Federation]. Moscow. 270 p.
8. Aleynikova N. A. (2003) Development of stochastic forecasting models based on quan-titative interpretation of technical analysis methods : dissertation... Candidate of Physical and Mathematical Sciences : 05.13.18 [Place of protection: Voronezh. state Technol. akad.]. Vo-ronezh. 123 p.
9. Pastukhov S. V. (2004) On some proba-bility-statistical methods in technical analysis: dissertation... candidate of Physical and Mathe-matical Sciences : 08.00.13 [Place of defense: Moscow State University named after Lomono-sov]. Moscow. 104 p.
10. Semenov M. E. [et al.] (2017) Mathe-matical modeling and differential equations : a textbook for undergraduates of all fields of study. Voronezh State Technical University, ABC ASV. – 149 p.
11. Pechenkin A. V., Teskin O. I., Tsvetkova G. M. etc. (2004) Theory of probability: textbook for universities, 3rd ed., corr.; edited by V. S. Zarubin, A. P. Krishchenko. Moscow : Publishing House of Bauman Moscow State Technical University. 456 p.
12. Monsik V. B., Skrynnikov A. A. (2020) Probability and statistics: textbook. 4th ed. (electr.). Moscow : Laboratory of Knowledge. 384 p.
13. Ayvazyan S. A., Fantazzini D. (2014) Econometrica-2: advanced course with applica-tions in finance: textbook. Moscow : Master: Infra-M. 944 p.
14. Forbes C., Evans M., Hastings N., Peacock B. (2011) Statistical Distributions. 4th ed. N. Y. : John Wiley & Sons. – 231 p.
15. Fedotkin M. A. (2012) Models in probability theory. Moscow : Fizmatlit. 608 p.
16. Kudashkin A. S., Kudryavaya K. I. (1985) Probability theory and mathematical sta-tistics in meteorology. Moscow : Military Pub-lishing House 324 p.
17. Mosteller F., Rourke R., Thomas J. (2016) Probability, new edition. Moscow : ICNMO. 365 p.
18. Matveev M. G., Sirota E. A., Semenov M. E. (2017) Verification of the convective dif-fusion process based on the analysis of multidi-mensional time series // Analytics and data management in areas with intensive data use: collection
of scientific papers of the XIX Inter-national Conference DAMDID / RCDL’2017 (October 10-13, 2017, Moscow, MSU, Russia). Moscow. P. 433–437.
19. Matveev M. G., Sirota E. A. (2016) Combined models of nonstationary time series with changing states // Bulletin of the Voronezh State University. Series: System analysis and information technologies. 2016. No 3. P. 50–61.
20. Matveev M. G., Ivanov A. V., Balaban O. R. (2020) Identification of hydrometeorolog-ical processes based on the analysis of time series of temperatures // Air-space forces. Theory and practice. No. 13. P. 115–123.
21. Basic requirements for the technology of preparation of short-term forecasts of the weather (RD 52.27.723-2009) // Order of Roshydromet dated 01.02.2010 No. 30. Ob-ninsk : IG-SOCIN, 2009. 38 p.
22. Instruction on short-term general-purpose weather forecasts (RD 52.27.724-2009) // Order of Roshydromet dated 15.01.2010 No. 3. Obninsk : IG-SOCIN, 2009. 66 p.
23. Methodological guidelines for con-ducting production (operational) tests of new and improved methods of hydrometeorological and heliogeo-physical forecasts (RD 52.27.284-91). Edited by V.I. Kuzmenko. St. Petersburg : Hydrometeoizdat, 1991. 151 p.
24. Jolliffe I. T. (2010) Principal Compo-nent Analysis. N.-Y. : Springer. 518 p.
25. Sadovnikova N. A., Shmoylova R. A. (2016) Time Series Analysis and Forecasting. Moscow : IFPU Synergy. 152 p.
2. Pilovets G. I. (2017) Meteorology and climate science: textbook. Moscow : INFA-M. 399 p.
3. Panin B. D., Belov P. N., E. P. Boris-enkov. (1989) Numerical methods of weather forecasting. Leningrad : Hydrometeoizdat. 376 p.
4. Schwager, J. (1996) Technical analysis. N.-Y. : John Wiley & Sons. 768 p.
5. Appel D. (2007) Technical analysis. Ef-fective tools for an active investor. St. Peters-burg : Peter. 304 p.
6. Linkova M. V. (2016) Technical analy-sis: concept, essence and axioms // The Territory of Science. No. 3. P. 179–182.
7. Skrobotov A. A. (2017) Stable methods of testing the type of trend in data: theoretical and empirical aspects: : dissertation... candidate of Economic Sciences : 08.00.13 [Place of pro-tection: Russian Academy of Sciences and State Services under the President of the Russian Federation]. Moscow. 270 p.
8. Aleynikova N. A. (2003) Development of stochastic forecasting models based on quan-titative interpretation of technical analysis methods : dissertation... Candidate of Physical and Mathematical Sciences : 05.13.18 [Place of protection: Voronezh. state Technol. akad.]. Vo-ronezh. 123 p.
9. Pastukhov S. V. (2004) On some proba-bility-statistical methods in technical analysis: dissertation... candidate of Physical and Mathe-matical Sciences : 08.00.13 [Place of defense: Moscow State University named after Lomono-sov]. Moscow. 104 p.
10. Semenov M. E. [et al.] (2017) Mathe-matical modeling and differential equations : a textbook for undergraduates of all fields of study. Voronezh State Technical University, ABC ASV. – 149 p.
11. Pechenkin A. V., Teskin O. I., Tsvetkova G. M. etc. (2004) Theory of probability: textbook for universities, 3rd ed., corr.; edited by V. S. Zarubin, A. P. Krishchenko. Moscow : Publishing House of Bauman Moscow State Technical University. 456 p.
12. Monsik V. B., Skrynnikov A. A. (2020) Probability and statistics: textbook. 4th ed. (electr.). Moscow : Laboratory of Knowledge. 384 p.
13. Ayvazyan S. A., Fantazzini D. (2014) Econometrica-2: advanced course with applica-tions in finance: textbook. Moscow : Master: Infra-M. 944 p.
14. Forbes C., Evans M., Hastings N., Peacock B. (2011) Statistical Distributions. 4th ed. N. Y. : John Wiley & Sons. – 231 p.
15. Fedotkin M. A. (2012) Models in probability theory. Moscow : Fizmatlit. 608 p.
16. Kudashkin A. S., Kudryavaya K. I. (1985) Probability theory and mathematical sta-tistics in meteorology. Moscow : Military Pub-lishing House 324 p.
17. Mosteller F., Rourke R., Thomas J. (2016) Probability, new edition. Moscow : ICNMO. 365 p.
18. Matveev M. G., Sirota E. A., Semenov M. E. (2017) Verification of the convective dif-fusion process based on the analysis of multidi-mensional time series // Analytics and data management in areas with intensive data use: collection
of scientific papers of the XIX Inter-national Conference DAMDID / RCDL’2017 (October 10-13, 2017, Moscow, MSU, Russia). Moscow. P. 433–437.
19. Matveev M. G., Sirota E. A. (2016) Combined models of nonstationary time series with changing states // Bulletin of the Voronezh State University. Series: System analysis and information technologies. 2016. No 3. P. 50–61.
20. Matveev M. G., Ivanov A. V., Balaban O. R. (2020) Identification of hydrometeorolog-ical processes based on the analysis of time series of temperatures // Air-space forces. Theory and practice. No. 13. P. 115–123.
21. Basic requirements for the technology of preparation of short-term forecasts of the weather (RD 52.27.723-2009) // Order of Roshydromet dated 01.02.2010 No. 30. Ob-ninsk : IG-SOCIN, 2009. 38 p.
22. Instruction on short-term general-purpose weather forecasts (RD 52.27.724-2009) // Order of Roshydromet dated 15.01.2010 No. 3. Obninsk : IG-SOCIN, 2009. 66 p.
23. Methodological guidelines for con-ducting production (operational) tests of new and improved methods of hydrometeorological and heliogeo-physical forecasts (RD 52.27.284-91). Edited by V.I. Kuzmenko. St. Petersburg : Hydrometeoizdat, 1991. 151 p.
24. Jolliffe I. T. (2010) Principal Compo-nent Analysis. N.-Y. : Springer. 518 p.
25. Sadovnikova N. A., Shmoylova R. A. (2016) Time Series Analysis and Forecasting. Moscow : IFPU Synergy. 152 p.
Опубликован
2021-12-17
Как цитировать
Ульшин, И. И., & Соловьев, А. В. (2021). Прогностическая метеорологическая модель на основе графических фигур фиксированной длины. Вестник ВГУ. Серия: Системный анализ и информационные технологии, (4), 54-65. https://doi.org/10.17308/sait.2021.4/3798
Выпуск
Раздел
Математические методы системного анализа и управления
- 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).
