Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/38305
Назва: Процес підвищення якості кліматичних даних в процесі їх збору та реєстрації
Інші назви: The process of the quality improvement the of climate data in the process of their collection and registration
Автори: Крушельницький, Владислав Олегович
Krushelnytskyi, Vladyslav Olehovytch
Приналежність: ТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м. Тернопіль, Україна
Бібліографічний опис: Крушельницький В.О. Процес підвищення якості кліматичних даних в процесі їх збору та реєстрації: кваліфікаційна робота освітнього рівня «Бакалавр» «122 – комп’ютерні науки» /В. О. Крушельницький – Тернопіль : ТНТУ, 2022. – 52 с.
Дата публікації: 21-чер-2022
Дата подання: 7-чер-2022
Дата внесення: 28-чер-2022
Країна (код): UA
Місце видання, проведення: ТНТУ ім. І.Пулюя, ФІС, м. Тернопіль, Україна
Науковий керівник: Приймак, Микола Володимирович
Члени комітету: Оробчук, Олександра Романівна
УДК: 004.62
Теми: якість даних
data quality
дані про погоду
weather data
покращення якості даних
data quality improvement
опрацювання даних
data processing
Короткий огляд (реферат): Високоякісні погодні дані використовуються для управління ризиками, пов’язаними з бізнесом, залежним від погодних умов та для прийняття рішень на основі цих даних. Крім того, дані про погоду реальному часі надають учасникам ринку дискретні значення, щоб планувати щоденні угоди та дії. Наприклад, це може бути сільське господарство, транспорт, управління у сфері охорони здоров’я та інші предметні області. Ринок погоди вимагає даних, які відповідають ключовим критеріям для використання їх при оцінці. В загальному йдеться про необхідність оперувати якісними даними. У цій роботі визначаються та обговорюються ці критерії, основні проблеми з даними погоди та засоби їх вирішення. Weather data of high quality is used to manage the risks associated with weather-dependent businesses and for decisions making based on these data. In addition, real-time weather data gives market participants discrete values to plan daily transactions and actions. For example, this could be agriculture, transport, health care management and other subject areas. The weather market requires data that meet key criteria for use them in evaluation process. In general, it is about the need to operate with quality data. This paper recognizes these criteria and discusses them. The core complications with data about weather and the means to solve them are discussed too.
Зміст: ВСТУП 7 РОЗДІЛ 1. ЗБІР ДАНИХ ПРО ПОГОДУ 9 1.1 Метеорологічні мережі 10 1.1.1 Сполучені Штати Америки 11 1.1.2 Європа 12 1.1.3 Японія та Австралія 12 1.1.4 Спеціальні мережі 13 1.2 Синоптичні та кліматичні дані 14 1.3 Історія станцій та їх метадані 16 1.3.1 Метадані станцій США 17 1.3.2 Міжнародні метадані 18 1.3.3 Доступність та вартість 18 РОЗДІЛ 2. ОЧИЩЕННЯ ПОГОДНИХ ДАНИХ 21 2.1 Просторова інтерполяція 22 2.2 Часова інтерполяція 24 2.3 Складності при очищенні даних про погоду 24 2.4 Вплив зміни/переміщення приладів 25 2.5 Аналіз стану метеорологічних станцій у Сполучених Штатах Америки 27 2.6 Аналіз стану метеорологічних станцій у інших країнах 29 2.7 Методи опрацювання розривів в серіях погодних даних 30 2.7.1 Визначення потенційних дат розривів 31 2.7.2 Виявлення розривів 32 2.8 Методи визначення результатів та коригування даних про погоду 34 2.8.1 Суб'єктивні методи 34 2.8.2 Об'єктивні методи 36 2.8.3 Кількісна оцінка розривів 39 2.9 Перевірка методологій для визначення та кількісної оцінки результатів 39 РОЗДІЛ 3. БЕЗПЕКА ЖИТТЄДІЯЛЬНОСТІ, ОСНОВИ ХОРОНИ ПРАЦІ 41 3.1 Аналіз небезпеки і шкідливості при розробці програмного забезпечення 41 3.2 Інформаційно-психологічні небезпеки 43 ВИСНОВКИ 48 ПЕРЕЛІК ПОСИЛАНЬ 50
URI (Уніфікований ідентифікатор ресурсу): http://elartu.tntu.edu.ua/handle/lib/38305
Власник авторського права: © Крушельницький Владислав Олегович, 2022
Перелік літератури: 1. World Meteorological Organization’s website. URL: https://www.wmo.int/index-en.html (травень, 2022). 2. UK Met Office website. URL: https://www.metoffice.gov.uk/ (травень, 2022). 3. The NCDC’s website. URL: https://www.ncei.noaa.gov/ (травень, 2022). 4. The NOAA’s website. URL: http://www.noaa.gov (травень, 2022). 5. The NWS’s website. URL: https://www.weather.gov/ (травень, 2022). 6. Deutscher Wetterdienst website. URL: http://www.dwd.de (травень, 2022). 7. Japan Meteorological Agency’s website. URL: http://www.kishou.go.jp/english/index.html (травень, 2022). 8. Bureau of Meteorology website. URL: http://www.bom.gov.au (травень, 2022). 9. Cooperative Observer Program website. URL: https://www.weather.gov/coop/ (травень, 2022). 10. Easterling, D. R., & Peterson, T. C. (1995). A new method for detecting undocumented discontinuities in climatological time series. International journal of climatology, 15(4), 369-377. 11. The WRMA website. URL: http://www.wrma.org (травень, 2022). 12. Information on Global Telecommunication Systems website. URL: https://community.wmo.int/activity-areas/global-telecommunication-system-gts (травень, 2022). 13. Jewson, S., and D. Whitehead, 2001, "In Prase of Climate Data", Environmental Finance, 3:2, pp. 22–24. 14. KNMI website. URL: http://www.knmi.nl (травень, 2022). 15. Finnish Meteorological Institute website. URL: https://en.ilmatieteenlaitos.fi/ (травень, 2022). 16. The ECOMET website. URL: http://www.meteo.be/ECOMET (травень, 2022) 17. Cressman, G. P. (1959). An operational objective analysis system. Monthly Weather Review, 87(10), 367-374. 18. Barnes, S. L. (1964). A technique for maximizing details in numerical weather map analysis. Journal of Applied Meteorology and Climatology, 3(4), 396-409. 19. Burrough, P., & McDonnell, R. (1998). Spatial information systems and geostatistics. P. Burrough, & R. McDonnell, Principles of Geographical Information Systems, 333. 20. Snell, S. E., Gopal, S., & Kaufmann, R. K. (2000). Spatial interpolation of surface air temperatures using artificial neural networks: Evaluating their use for downscaling GCMs. Journal of Climate, 13(5), 886-895. 21. Gullett, D., Skinner, W., & Vincent, L. (1992). Development of an historical Canadian climate database for temperature and other climate elements. 22. Mekis, E., & Hogg, W. D. (1999). Rehabilitation and analysis of Canadian daily precipitation time series. Atmosphere-ocean, 37(1), 53-85. 23. Acock, M. C., & Pachepsky, Y. A. (2000). Estimating missing weather data for agricultural simulations using group method of data handling. Journal of Applied meteorology, 39(7), 1176-1184. 24. Schrumpf, A. D. (1997). Temperature Data Continuity with the Automated Surface Observing System. AIR FORCE INST OF TECH WRIGHT-PATTERSON AFB OH. 25. Boissonnade, A. C., Heitkemper, L. J., & Whitehead, D. (2002). Weather data: cleaning and enhancement. Climate Risk and the Weather Market, 73-98. 26. McKee, T. B., Doesken, N. J., Davey, C. A., & Pielke Sr, R. A. (2000). Climate data continuity with ASOS: Report for period April 1996 through June 2000 (Doctoral dissertation, Colorado State University. Libraries). 27. Peterson, T. C., Easterling, D. R., Karl, T. R., Groisman, P., Nicholls, N., Plummer, N., ... & Parker, D. (1998). Homogeneity adjustments of in situ atmospheric climate data: a review. International Journal of Climatology: A Journal of the Royal Meteorological Society, 18(13), 1493-1517. 28. Peterson, T. C., Easterling, D. R., Karl, T. R., Groisman, P., Nicholls, N., Plummer, N., ... & Parker, D. (1998). Homogeneity adjustments of in situ atmospheric climate data: a review. International Journal of Climatology: A Journal of the Royal Meteorological Society, 18(13), 1493-1517. 29. Mekis, E., & Hogg, W. D. (1999). Rehabilitation and analysis of Canadian daily precipitation time series. Atmosphere-ocean, 37(1), 53-85. 30. Alexandersson, H., & Moberg, A. (1997). Homogenization of Swedish temperature data. Part I: Homogeneity test for linear trends. International Journal of Climatology: A Journal of the Royal Meteorological Society, 17(1), 25-34. 31. Karl, T. R., & Williams Jr, C. N. (1987). An approach to adjusting climatological time series for discontinuous inhomogeneities. Journal of Applied Meteorology and Climatology, 26(12), 1744-1763. 32. Allen, R. J., & DeGaetano, A. T. (2000). A method to adjust long-term temperature extreme series for nonclimatic inhomogeneities. Journal of climate, 13(20), 3680-3695. 33. Caussinus, H., & Mestre, O. (1996, October). New mathematical tools and methodologies for relative homogeneity testing. In Proceedings of the Seminar for Homogenization of Surface Climatological Data (pp. 63-82). 34. Venema, V. K., Mestre, O., ... & Brandsma, T. (2012). Benchmarking homogenization algorithms for monthly data. Climate of the Past, 8(1), 89-115. 35. Жидецький, В. Ц., Джигирей, В. С., & Мельников, О. В. (2000). Основи охорони праці. Львів: Афіша, 350, 132-136.
Тип вмісту: Bachelor Thesis
Розташовується у зібраннях:122 — Компʼютерні науки (бакалаври)

Файли цього матеріалу:
Файл Опис РозмірФормат 
Крушельницький СН-41 повний текст 2022.pdf851,12 kBAdobe PDFПереглянути/відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.

Інструменти адміністратора