meteoblue Learning MultiModel (mLM)

Das meteoblue Learning MultiModel (mLM) ist eine neue Technik zur Nachbearbeitung der Ausgabe von numerischen Wettervorhersagemodellen unter Verwendung tatsächlicher Wettermessungen. Das mLM liest aktuelle Wettermessdaten und wählt das beste Simulationsmodell für die Erstellung einer Prognose aus.

Aktuell ist das mLM für Lufttemperatur, Taupunkttemperatur und Windgeschwindigkeit validiert und implementiert. Die Entwicklung des mLM für weitere Wettervariablen ist geplant.

Temperatur-mLM

Die Modellgenauigkeit des mLM wurde vor der Einführung im August 2018 ein Jahr lang getestet.

Die Genauigkeit des operationellen mLM wurde über einen Zeitraum von zwei Monaten (September und Oktober 2018) an mehr als 30'000 meteorologischen Stationen weltweit überprüft. Diese Analyse zeigt eine Modellgenauigkeit von 1,2 K für die 24-Stunden-Vorhersage (24h) und eine Modellgenauigkeit von 2,0 K für die 6-Tage-Vorhersage. Die Modellgenauigkeit der 24-Stunden-Prognose von mLM liegt deutlich über den etablierten Standards:

  • 0,8 K besser als mit "Stand-alone" numerischen Wettervorhersagemodellen (24-Stunden-Vorhersage).
  • 0,3 K besser als bei Modellsimulationen mit MOS .
  • 0,3 K besser als das Reanalysemodell ERA5 (das Messungen zur Modellkorrektur verwendet).

Wir konnten zeigen, dass die 6-tägige Lufttemperaturprognose des mLM genauso gut ist wie die 24-Stunden-Prognose von "Stand-Alone" (rohen, unbearbeiteten) Prognosen von numerischen Wettervorhersagemodellen. Diese Verbesserung entspricht der durchschnittlichen Verbesserung, die durch die Wettervorhersage alle zehn Jahre während der letzten Jahrzehnte erzielt wurde.

The mean absolute error (MAE) [K] as a function of the forecast hours for the mLM for single analysis days and their average (black). The
    24h forecast error for MOS (blue) and the raw models (red) is additionally shown. Model performance of the 24h forecast of the mLM (top panel), the reanalysis model ERA5 (bottom left) and the
    numerical weather forecast model GFS (bottom right) for September – October 2018.

Validierungsresultate für die anderen Variablen, für welche mLM bereits implementiert wurde, veröffentlichen wir auf Anfrage.

Weitere Informationen entnehmen Sie bitte der technischen Dokumentation.