Прогнозирование состояния микроклимата в зданиях различного назначения — важная составляющая при проектировании новых, реконструкции и эксплуатации существующих объектов. Построить здание, а потом исправлять ошибки, переделывать системы отопления

Выполнена оценка качества прогноза температуры, влажности воздуха, атмосферного давления, ветра, осадков и облачности с использованием современной прогностической системы моделирования WRF в летний период 2012 г. в районе города Томска. Расчеты выполнялись на суперкомпьютере Томского государственного университета «СКИФ Cyberia». Приведены основные характеристики успешности, применяемые при оценке работы прогностических моделей. Установлено, что точность модели не уступает другим аналогичным мезомасштабными моделям, используемым в Гидрометцентре, для прогноза температурно-влажностных характеристик, но требуется усовершенствование блока расчета приземного давления.

Предложена схема метода вероятностно-географического прогноза опасных явлений погоды. Обсуждаются два основных этапа реализации предложенного метода. Подчеркивается, что разработанный метод отвечает актуальным вопросам современного прогнозирования погоды и отдельных ее явлений: предсказание осуществляется для конкретной точки в пространстве и в определенный момент времени. Базовым условием построения научной схемы метода является доказательное утверждение о квазиустойчивости частот хронологических рядов опасных явлений погоды и возможности использования свойств марковской цепи для осуществления прогнозирования их вероятностей на основе нейромоделирования. Физическая суть идеи представлена в последовательном отражении влияния на формирование опасных явлений погоды разномасштабных синоптических и геофизических процессов, которые переведены в предикторную роль. Прогностическая модель на основе анализа длительных хронологических рядов опасных явлений погоды и нейромоделирования выстроена с учетом нерегулярности сети метеорологических станций, что важно в современной оперативной синоптической практике. Собственно прогноз вероятностей опасных явлений погоды осуществляется с помощью нейросетевого моделирования при обязательном учете таких предикторов, как индексы переноса, метеорологические параметры, лапласиан давления, коэффициент активности магнитного поля Земли.