Kalibrace předpovědi počasí pro model tepelné zatížitelnosti přenosové soustavy

Abstract

Tato bakalářská práce se zaměřuje na kalibrace předpovědí počasí. Kalibrace byla provedena pomocí matematických modelů a různých metod jejich řešení. Pro řešení tohoto problému byla použita lineární regrese a neuronová síť. Pro porovnání získaných výsledků pomocí různých matematických modelů byla provedena statistická analýza. Výsledky ukazují, že prognóza počasí v místě zájmu není ideální. Existují matematické kalibrační modely, které na základě předpovědi počasí mohou snížit předpokládanou chybu. Tato práce ukazuje, že na základě údajů z minulosti je možné identifikovat zákonitosti, které pomáhají s kalibrací prognózy do budoucna.

This bachelor thesis focuses on the calibration of the weather forecasts. The calibration was performed by using mathematical models and various methods of its solution. Linear regression and neural network were used to solve this problem. A statistical analysis was performed to compare the obtained results using different mathematical models. The results show that the weather forecast at the point of interest is not ideal. There are mathematical calibration models that can reduce the predicted error based on weather forecasts. This work shows that, based on historical data, it is possible to identify the patterns that help with the calibration of the forecast for the future.