CILJ KOLEGIJA:
Upoznati studenta s klimatološkim podacima, osposobiti ga za analizu klimatoloških vremenskih nizova i za interpretaciju rezultata.
NASTAVNI SADRŽAJ:
Izvori klimatoloških podataka. Klimatološki bilteni i atlasi. Klimatološki podaci na Internetu. Priroda klimatoloških nizova, slučajni i neslučajni dio. Godišnji hod, račun i svojstva. Trend i dugoperiodičke oscilacije. Račun klimatoloških normala na konkretnim nizovima. Stacionarni slučajni procesi, ergodičnost, procjene autokorelacijske funkcije. Pseudo-slučajni brojevi. Bijeli šum, opći linearni proces, procesi AR(1), AR(2), modeli višeg reda. Prilagodba modela realnim vremenskim nizovima. Simulacije klimatoloških nizova.
Na vježbama se konkretni nizovi obrađuju na računalu. Izrađuju se programi za analizu odnosno simulaciju, te interpretiraju dobiveni rezultati.
PLAN I PROGRAM KOLEGIJA:
1. Uvod, izvori klimatoloških podataka, priprema za rad u računalnom praktikumu.
2. Priroda klimatoloških nizova, slučajni i neslučajni dio, trend, periodičke i neperiodičke oscilacije.
3. Godišnji hod: Značenje, primjeri, račun, veza s višestrukom linearnom regresijom.
4. Analiza sekularnog niza srednje godišnje temperature prema vremenskim skalama, račun trenda, račun kliznog srednjaka.
5. Klimatološki podaci na Internetu.
6. Upoznavanje sa slogom Klimatskog mjesečnog izvještaja, izrada programa za učitavanje.
7. Račun klimatoloških normala, analiza i interpretacija godišnjih hodova nornala, prilagodba teorijske razdiobe empirijskoj razdiobi čestina, primjena chi2 testa.
8. Klimatološke karte i atlasi, pseudo-slučajni brojevi, uvod u Monte Carlo simulacije.
9. Slučajni procesi, stacionarni slučajni procesi, klasifikacija, veza između procesa u kontinuiranom i diskretnom vremenu (pogreška prepoznavanja), realizacija, ansambl.
10. Stacionarnost reda 2, autokovarijacijska i autokorelacijska funkcija, diskretni bijeli šum.
11. Procjena srednje vrijednosti procesa, procjena autokovarijacijske i autokorelacijske funkcije, standardna pogreška.
12. Opći linearni proces, model autoregersije reda 1, autokorelacijska funkcija, funkcija parcijalne autokorelacije, veza s linearnom regersijom, rastav varijance.
13. Modeli autoregresije reda 2 i višeg reda, modeli kliznog srednjaka.
14. Prilagodba modela realnim vremenskim nizovima: Identifikacija modela, procjena parametara, vrednovanje prilagodbe.
15. Izrada računalnog programa za prilagodbu, primjena na konkretne i simulirane nizove, diskusija.
NAČIN UČENJA:
Slušanje predavanja, proučavanje bilježaka i literature; programiranje, analiziranje primjera i rješavanje zadataka na računalu; samostalno rješavanje domaćih zadaća.
METODE POUČAVANJA:
Izlaganje, rasprava; vježbanje u računalnom praktikumu.
NAČIN PRAĆENJA I PROVJERE:
Domaće zadaće, projektni zadatak, usmeni ispit.
UVJETI ZA POTPIS:
Redovito pohađanje nastave, predane i po potrebi dorađene sve domaće zadaće.
NAČIN POLAGANJA ISPITA: Projektni zadatak i usmeni ispit.
U projektnom zadatku student treba provesti cjelovitu analizu zadanog klimatološkog vremenskog niza (ili više njih), što podrazumijeva računanje i oduzimanje godišnjeg hoda, procjenu stacionarnosti rezidualnog niza, određivanje optimalnog reda te prilagodbu modela autoregresije, vrednovanje ostatka, provođenje Monte Carlo simulacija i slično. Treba samostalno napisati računalni program (u Pythonu) te sve sustavno opisati u obliku izvještaja. Nakon zadovoljavajućeg rješenja projektnog zadatka student može izaći na usmeni ispit koji se sastoji od diskusije rješenoga projektnog zadataka i dva do tri pitanja iz cjelokupnog gradiva.
Konačna ocjena formira se temeljem rješenja projektnog zadatka te odgovora na usmenom ispitu.
|
Pristupačnost
