Tác giả

Võ Văn Hòa 1 , Nguyễn Thu Hằng 1 , Nguyễn Chi Mai 1

Đơn vị công tác

1Trung tâm Dự báo Khí tượng Thuỷ văn Trung ương

Tóm tắt

Phương pháp lọc Kalman được nhà toán học nổi tiếng Kalman đề xuất từ năm 1960 và trở thành một công cụ thống kê hữu ích trong bài toán hiệu chỉnh sau mô hình. Phần 1 của bài báo [6] đã trình bày cơ sở lý thuyết của lọc Kalman dựa trên lý thuyết xác suất thống kê và đặc trưng biến ngẫu nhiên. Phần II này sẽ trình bày các kết quả nghiên cứu ứng dụng lọc Kalman hiệu chỉnh các kết quả dự báo trực tiếp từ mô hĩnh HRM [1] cho một số biến bề mặt tại 25 trạm synôp dựa trên chuỗi số liệu 7 tháng từ 01/07/2005 cho đến 31/01/2006. Các kết quả đánh giá đã cho thấy sự cải thiện đáng kể trong chất lượng dự báo khi hiệu chỉnh các dự báo trực tiếp từ mô hĩnh HRM bằng lọc Kalman.

 

Từ khóa

Trích dẫn bài báo

Võ Văn Hòa, Nguyễn Thu Hằng, Nguyễn Chi Mai (2007), Nghiên cứu ứng dụng lọc Kalman hiệu chỉnh một số trường dự báo bề mặt từ mô hình HRM. Tạp chí Khí tượng Thủy văn, 559, 36-45. 

Tài liệu tham khảo

1.  Kiều Thị Xin, Lê Công Thành, Phan Văn Tân, Đỗ Lệ Thủy, Nguyễn Văn Sáng. Mô hình dự báo số phân giải cao HRM và thử nghiệm áp dụng dự báo thời tiết khu vực Đông Nam Á- việtNam. Tạp chí KTTV, số8(488), tr 36 - 44. 2001.

2. Lê Bắc Huỳnh, ứng dụng kỹ thuật lọc Kalman vào tính toán và dự báo dòng chảy. Tạp chí KTTV, SỐ 11, tr 15 - 25. 1990.

3. Nguyễn Chi Mai, Nguyễn Thu Hằng, ứng dụng lọc Kalman cho hiệu chỉnh dự báo bão. Báo cáo tại Hội nghị Khoa học Công nghệ Dự báo và phục vụ Dự báo Ki 'I V lần thứ VI, ư 164 -176.2005.

4. Nguyễn Thu Hằng, Võ Vãn Hòa, Nguyễn Thị Anh Đào, 2006. Nghiên cứu ứng dụng lọc Kalman hiệu chỉnh một số trường dự báo từ mô hình HRM. Báo cáo tổng kết đề tài cơ sở, tr 1 -43.

5. Võ Văn Hòa, Nguyễn Chi Mai, Nguyễn Thu Hằng, 2005. Áp dụng thử nghiệm lọc Kalman cho nhiệt độ và độ ẩm dự báo bằng mô hình số trị. Báo cáo tại hội nghị khoa học công nghệ dự báo và phục vụ dự báo K'ITV lần thứ VI, tr 153 -163.

6. Võ Văn Hòa, Nguyễn Thu Hằng, Nguyễn Chi Mai. Nghiên cứu ứng dụng lọc Kalman hiệu chỉnh một số trường dự báo bề mặt từ mô hình HRM. Phần I, Khái quát về lọc Kalman. Tạp chí KTTV, số557 tháng 5, tr 49-57 năm 2007.

7. Daniel, s. w., 1995: Statistical methods in the atmospheric sciences. An introduction. Academic Press, tr 159-209.

8. Greg, w. and Gary, B., 2004: An introduction to the Kalman filter, tr 1-16

9. Hall, T., H. E. Brooks and c. A. Doswell, 1997: Precipitation Forecasting using a Neural Network, Submitted to Weather and Forecasting, November1997.

10. Joel Le Roux, 2003: An introduction to Kalman filter: probabilistic and deterministic approaches, tr 1-12.

11. M. Casaioli, R. Mantovani, F Proietti Scorzonti, s. Puca, A. Speranza, andB. Tirozzi, 2002. Linear and nonlinear post-processing of numerically forecasted surface temperature. Nonlinear process in Geophysics, 10, tr 373-383.

12. Person A., 1991: Kalman filtering-A new approach to adaptive statistical interpretation of numerical meteorological forecasts. Lectures and papers presented at the WMO training on the interpretation ofNWP products in terms of local weather phenomena and their verification, WMO, Wageningen, the Netherlands, XX-27-XX-32.

13. Simonsen, c., 1991: Self adaptive model output statistics based on Kalman filtering. Lectures and papers presented at the WMO training on the interpretation ofNWP products in terms of local weather phenomena and their verification, WMO, Wageningen, the Netherlands, XX - 28-XX-33.

14. Vislocky, R. L. and J. M. Fritch, 1995: Generalized additive models versus linear regression in generating probabilistic MOS forecast of aviation weather parameters. Weather and Forecasting, 10, 669 - 680.