Statistical postprocessing of local numerical weather prediction model forecasts using deep learning

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: İngilizce

Öğrenci: YAŞAR HARUN KIVRIL

Danışman: MUSTAFA GÖKÇE BAYDOĞAN

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Doğru hava tahminleri, birçok karar verme sürecinde çok önemli bir rol oynamaktadır. Şu anda hava tahminlerinin ana kaynağı, atmosferin gelecekteki durumlarını tahmin etmek için fiziksel denklemleri çözen sayısal hava tahmin (NWP)modelleridir. NWP modelleri, başlangıç durumlarından, sınır koşullarından ve model yapılarından kaynaklı hızla büyüyen hatalara sebebiyet verebilmektedir. İstatistiksel ardişleme yöntemleri tahminlerdeki bu sistematik hataları düzeltmek için kullanılan yöntemlerden biridir. Bu çalışmada, Türkiye'nin Ege Bölgesi'nin Global Ensemble Forecasting System (GEFS) tahminlerini istatistiksel olarak ardişlemek için üç alter natif derin öğrenme mimarisi önerilmiştir. Ardişleme, çoklu basınç seviyelerinde çoklu hava değişkenlerine yapılmıştır. Ayrıca, modellerde kullanılan veri yapısı modellere bir ekstrapolasyon yeteneği vermiştir. Modeller on altı yıllık verilerle eğitilmiş, hiperparametreler bir yıllık doğrulama verileriyle ayarlanmış ve son üç yılda test edilmiştir. Sonuçlar hava durumu değişkeni, basınç seviyesi ve konum yönlerinden incelenmiştir. Tamamen evrişimli model ve onun U-Şekilli uzantısı, analizlerde umut verici sonuçlar sunmuştur. U-Şekilli mimari, hata dağılımlarında daha düşük ortalama ve daha düşük varyans içermesi sebebiyle diğer modellere tercih edilmiştir. Ayrıca, tahmin edilen değerlerin hata dağılımı, modelin ekstrapolasyon kapasitesinin etkisini göstermiştir. Son olarak, 19 enerji santralinin rüzgar enerjisi tahmini üzerine bir vaka çalışması yapılmış ve yöntemin gerçek hayattaki bir uygulamada daha iyi sonuçlar ortaya çıkardığı görülmüştür.