Publikacja prezentuje opartą na uczeniu maszynowym metodę prognozowania temperatury powietrza na podstawie danych pochodzących z trzech modeli numerycznych działających operacyjnie w IMGW: ALARO, AROME oraz COSMO. Prognozy każdego z tych modeli w różnym stopniu obarczone są błędami systematycznymi, co uwarunkowane jest m.in. zróżnicowaną rozdzielczością przestrzenną, odmiennymi parametryzacjami zjawisk fizycznych, ale także aktualną sytuacją synoptyczną. Na podstawie historycznej relacji pomiędzy prognozą a obserwacją, przy pomocy uczenia maszynowego generowana jest syntetyczna prognoza, której błąd RMSE jest o ponad 25% mniejszy względem najlepszego modelu składowego. Szczegółowa weryfikacja pokazała, że w największym stopniu zredukowany został błąd niedoszacowania spadków temperatury w nocy i o poranku w miesiącach letnich.
Link do artykułu: https://rmets.onlinelibrary.wiley.com/doi/full/10.1002/qj.4613

— UDOSTĘPNIJ —