Anwendung der stochastischen dynamischen Vorhersage auf reale Daten

Die von Epstein vorgeschlagene Technik der stochastischen dynamischen Vorhersage wird auf atmosphärische Daten angewandt. Die Motivation für den Ansatz wird diskutiert und es erfolgt eine Übersicht über die Entwicklung der stochastischen dynamischen Gleichungen, die, unter Berücksichtigung der Approximation des dritten Moments, die Entwicklung der ersten beiden Momente einer Wahrscheinlichkeitsdichte beschreiben, die ein Ensemble möglicher wahrer Zustände charakterisiert. Die Methode der "Kleinsten Quadrate" wird verwendet, um die Momente direkt aus Radiosondendaten des geopotentiellen Höhenfeldes bei 500 mb zu extrahieren. Wenn man das Analyseproblem aus einer bayesschen Perspektive betrachtet, ergibt sich ein gewogener Durchschnitt der neuen Beobachtungen und der Vorhersage, wobei die geeignete Gewichtung für letzteres durch die stochastische Vorhersage selbst geliefert wird. Das grundlegende physikalische Modell ist eine spektrale Form des äquivalenten barotropen Modells. Die Auswirkungen der Einfachheit des dynamischen Modells auf das Wachstum von Fehlern (äußeres Fehlerwachstum) müssen bei der Erstellung stochastischer Vorhersagen explizit berücksichtigt werden, und zwei Parametrisierungsmethoden werden getestet. Um diese Fehlerquellen zu simulieren, werden in jeder spektralen Gleichung zusätzliche zufällige Erzwängungsterme verwendet. Das Ergebnis jeder Vorhersage ist eine Schätzung des erwarteten Zustands der Atmosphäre sowie die Unsicherheit, die mit dieser Schätzung verbunden ist, bereitgestellt durch die Varianz-Kovarianz-Information. Während des Vorhersagezeitraums erfahren die Unsicherheitsmuster signifikante Änderungen als Reaktion auf die Modeldynamik. Die zweite Parametrisierung des äußeren Fehlerwachstums erweist sich als etwas erfolgreich. Es werden Implikationen für kompliziertere Modelle in Bezug auf die Behandlung des äußeren Fehlerwachstums gezogen. Darüber hinaus wird vorgeschlagen, dass Kostenersparnisse durch die Verwendung von Monte-Carlo-Methoden erzielt werden können.