
И да дадете линкове та да ги резгледам!
Искам сняг в София, айде в петк и събота до 15 см?

Модератори: mmirro, Radoslav Petkov, Hristo Chipilski
Напълно изправно от теоретична гледна точка е да решаваме уравненията на атмосферната система, описващи се със законите за запазване на маса, импулс и енергия. С това се занимава цял дял от приложната математека, а оперативното използване на нови числени методи става само след внимателна справка с контролни аналитични решения на опростени проблеми от флуидната динамика. Единствената стънка все още е да се докаже съществуването на уникални решения на Навие-Стоукс уравненията (те описват движението на флуиди). Математическият институт "Клей" обяви тази задача за една от 7 велики проблема в областта на математика и щедро обеща 1 милиона долара за успешното и решаване (https://en.wikipedia.org/wiki/Navier–St ... smoothness). Макар съществуването на уникални решения да е важен проблем за чистите математиците, ние приложниците се задоволяваме и с емпирични доказателства за точността на решенията, а такива изобщо не липсват. Нещо повече, метеорологията е една от малкото науки, в която прогнозите се правят почти изцяло на база динамични закони, а не статистически закономерности.Ви изобщо осъзнавате ли че това е компютър, който предсказва бъдещето. Първо изобщо не е ясно теоритично дали може това да се прави.
Прав си, че грешките се натрупват, но не и по начина, който описваш ти. Правенето на прогноза се свежда до численото интегриране на система частни диференциални уравнения (ЧДУ) с определени начални условия (а при регионалните модели са ни нужни и гранични условия). Още в края на 19ти век физикът Джейм Максуел установява, че някои физически системи са особено чувствителни на малки промени в началните условия. Половин век по-късно тези идеи намират своето приложение и в численото моделиране на атмосферата, а хора като Едуард Лоренц стават основоположници на теорията на хаоса. Без да навлизам в детайли и ненужен жаргон, ще кажа, че атмосферата е един от най-ясните примери за хаотична система. Това означава, че при най-малки отклонения в началните условия (много по-малки в сравнение с точността на измерванията), решенията на системата може да бъдат коренно различни в даден бъдещ момент. Често говорим за неща като бифуркации, където траекториите на две решения са на практика еднакви до някакво време и изведнъж тръгват в две различни посоки. Тази голяма чувствителност води до теоритечен праг на атмосферната предсказуемост. Дотук добре, обаче в реалност отклоненията в началните условия не са съвсем микроскопични, а в доста по-големи размери. Последното увеличава вероятността на двете траектории да се раздалечат по-бързо една от друга. Това по-бързо разминаване с вярното решение поставя така наречения практически праг на атмосферната предсказуемост. Теоритични разработки от областта на турбуленцията (включително и на почетния ни академик Стойчо Панчев, лека му пръст) и редица числени експерименти от миналия век показват, че този праг е около 2 седмици за умерените ширини. След това става напълно безсмислено да прогнозираме детайлите около развитието на даден процес. Но да се върнем към темата с натрупването на грешки. С всеки изминал прогностичен срок, грешката в модела нараства - всички сме съгласи с това, нали? На всеки 6 или 12 часа (за глобалните модели) става асимилация на нови данни, при което се създават нови начални условия за следващото интегриране на модела. Основната цел на асимилацията е да създаде така наречения анализ, който е статически оптимална комбинация от краткосрочната 6- или 12-часова прогноза и новопостъпилите данни. Много грубо казано, нека Xa, Xf и Y са вектори, обозначащи полето на анализа, краткосрочната прогноза и наблюденията. Нека C1 и C2 са две положителни константи. Ако запишем Xa = C1*Xf + C2*Y, задачата е да се намерят такива C1 и C2, че грешката на Xa да е по-малка от тази на Xf. При оптимално конструирана система (добре избрани C1, C2 и редица други фактори), грешката в Xa е почти постоянна във времето, тоест натрупване на грешката няма. Ако имаше такова, то до няколко месеца всички моделите щяха да са за буклукаВторо най-малката неточност в данните води до някаква макар и минимална грешка. И тъй като всяко следващо изчисление ползва като начални данни предходните резултати, грешката се натрупва
GFS, ECMWF и всички останали глобални модели ползват наземни данни (от съответните метеорологични станции), данни от аерологични балони, самолети, кораби и все повече дистанционни измервания от сателити и радари. Използването на тези данни е сложна математическа задача и става по начина, описан по-горе. Общият брой на данните не е никак малък и се колебае между 10^4 и 10^5, което с един до два порядъка по-малък от степените на свобода в такива модел (степените на свобода в случая = измерението на векторите Xf и Xa).Аз не знам какви данни ползва GFS но предполагам че са екстраполирани на база на съвсем малко реално измерени данни
Прав си, че задачата на ансамбъла е да изчисли вероятността за случване на някакво събитие. В идеалния случай, една добре направена ансамблова система трябва да е способна да прогнозира периодите от време, когато атмосферата е по-нестабилна от нормалното и когато грешките в прогнозите ги правят неизползваеми много по-рано от статистически средните 2 седмици. Самият ти го каза - трябва да се гледат ансамбли, а не отделни картинки, за да се направи по-обективна преценка за сигурността на бъдещите процеси.Тези ансамбли са за да се изчислят вероятностите за случване на едно или друго събитие, а не че ще се случи картинката която гледаме. Това че ние си се кефим на някакви потенциално възможни неща не е прогнозиране.
Много благодаря за изчерпателният отговор, няма как да се сърдя. Изчетох някои страници в интернет отново и сега нещата в тях изглеждат смислени явно съм разбрал погрешно нещата които съм чел. Винаги съм смятал, че грешката при началните условия е само технически проблем, неточни и малко на брой измервания, така проблема би бил по лесен за разрешаване. Но поне е намерено рвшение с натрупването на грешка.Killerbeast написа: ↑вт яну 21, 2020 5:24 amsnow wall, ще си позволя някои корекции. Искрено се надявам се не сърдиш, дискусията по-долу е с напълно научнообразователна цел за любознателните читатели на форума![]()