Využití vícerozměrných statistických metod v meteorol. a klimat. - NMET512

• Anglický název: Applications of Multivariate Statistical Methods in Meteorology and Climatology
• Zajišťuje: Katedra fyziky atmosféry (32-KFA)
• Fakulta: Matematicko-fyzikální fakulta
• Platnost: od 2016
• Semestr: letní
• E-Kredity: 3
• Rozsah, examinace: letní s.:2/0, Zk [HT]
• Počet míst: neomezen
• Minimální obsazenost: neomezen
• 4EU+: ne
• Virtuální mobilita / počet míst pro virtuální mobilitu: ne
• Stav předmětu: vyučován
• Jazyk výuky: čeština, angličtina
• Způsob výuky: prezenční
• Způsob výuky: prezenční
• Garant: prof. RNDr. Radan Huth, DrSc.
• Třída: DS, meteorologie a klimatologie
• Kategorizace předmětu: Fyzika > Meterologie a klimatologie

Anotace

čeština

Poslední úprava: T_KMOP (09.05.2013)

Úvod do vícerozměrných statistických metod běžně používaných v meteorologii a klimatologii, s důrazem na jejich praktické aplikace. Výuka probíhá tutorským způsobem a sylabus se aktuálně přizpůsobuje konkrétnímu obsahu předchozího studia a potřebám tématu disertační nebo diplomové práce. Tento sylabus se u doktoranda zahrnuje do individuálního studijního plánu.

angličtina

Poslední úprava: T_KMOP (29.04.2004)

Introduction to multivariate statistical methods currently used in meteorology and climatology, with emphasis on their practical applications

Podmínky zakončení předmětu

Poslední úprava: doc. Mgr. Jiří Mikšovský, Ph.D. (19.10.2017)

Ústní zkouška v rozsahu témat daných sylabem.

Literatura

Poslední úprava: doc. Mgr. Jiří Mikšovský, Ph.D. (13.05.2020)

Dle doporučení vyučujícího.

Požadavky ke zkoušce

Poslední úprava: doc. Mgr. Jiří Mikšovský, Ph.D. (19.10.2017)

Ústní zkouška v rozsahu témat daných sylabem.

Sylabus

čeština

Poslední úprava: T_KMOP (09.05.2004)

1. Úvod

• potřeba analyzovat rozsáhlé datové soubory

• příklady problémů vedoucích k použití vícerozměrných metod: klasifikace, regionalizace,redukce objemu dat, odstranění lineární závislosti, ...

2. Násobná lineární regrese

• základní pojmy a definice

• metody výběru prediktorů

3. Analýza hlavních složek

• definice pojmů

• odvození, základní vlastnosti

• volba vstupní matice (módy)

• volba matice podobnosti

• pojem jednoduché struktury, rotace, určení počtu hlavních složek

• interpretace výsledků

• Buellovy sekvence map

4. Shluková analýza

• základní definice

• míry (ne)podobnosti

• jednotlivé algoritmy, jejich vlastnosti

• fuzzy metody

• analýza hlavních složek jako metoda shlukové analýzy

5. Kanonická korelační analýza

• základní odvození

• interpretace výsledků

• vztah mezi násobnou regresí, analýzou hlavních složek a kanonickou korelační analýzou

6. Ukázky řešení konkrétních problémů

• určení klimatických oblastí (regionalizace)

• dálkové vazby v poli geopot. výšek (módy proměnlivosti, teleconnections) - vč. srovnání s korelační metodou

• klasifikace cirkulačních polí

• klasifikace vzduchových hmot (počasí)

• vazba mezi cirkulací a přízemními klimatickými prvky (teplota, srážky)

• statistický downscaling

• identifikace a odstranění ?nemeteorologického" signálu

• Model Output Statistics

angličtina

Poslední úprava: T_KMOP (29.04.2004)

1. Introduction

• need to analyze huge datasets

• examples of tasks leading to the use of multivariate methods: classification, regionalization, reduction of datasets, removal of linear dependency, ...

2. Multiple linear regression

• basic notions and definitions

• methods of selection of predictors

3. Principal component analysis

• definitions

• derivation, basic properties

• selection of the input data matrix (modes of decomposition)

• selection of similarity matrix

• concept of simple structure, rotation, selection of the number of components

• interpretation of results

• Buell's map sequences

4. Cluster analysis

• basic definitions

• (dis)similarity measures

• algorithms, their properties

• fuzzy methods

• principal component analysis as a cluster analysis method

5. Canonical correlation analysis

• basic derivation

• interpretation of results

• relations among multiple regression, principal component analysis, and canonical correlation analysis

6. Examples of treating specific tasks

• definition of climate areas (regionalization)

• teleconnections (modes of variability) in geopotential height fields - incl. comparison with correlation method

• classification of circulation patterns

• classification of air masses (weather types)

• relationships between circulation and surface climate elements (temperature, precipitation)

• statistical downscaling

• identification and removal of ?non-meteorological" signal

• Model Output Statistics