Celem pracy jest oszacowanie niepewności prognozy. Prognozowanie metodą wiązek daje taką możliwość. Osiągnięcie tego celu wymaga określenia statystycznej zależności między niepewnością prognozy a rozrzutem wiązki. Zależność ta została zbadana dla ciśnienia i temperatury na podstawie danych z pięciu lat: prognoz modelu COAMPS i pomiarów z 42 stacji pomiarowych IMGW. Określony został również błąd systematyczny modelu i jego zależność od rozrzutu wiązki prognoz. Wiązkę tworzono z prognoz o różnych czasach startu. Napisany został program, który umożliwia korektę prognozy i oszacowanie jej niepewności. Program napisano w języku Python z użyciem podejścia obiektowego. Przeprowadzono weryfikację działania programu na podstawie danych z pierwszego półrocza 2018 roku. Szacowana niepewność prognozy bardzo dobrze odzwierciedla faktycznie otrzymane błędy prognoz w przypadku temperatury, dla ciśnienia bywa zaniżona. Modyfikacja wyniku prognozy o wartość średniego błędu systematycznego skutkuje poprawą jakości prognozowania dla obu parametrów.
The aim of this work was an attempt to establish a method for estimating weather forecast uncertainty by the mean of ensemble forecasting. To achieve this goal a statistical relation between the forecast skill and ensemble spread must be determined. The skill-spread relation was investigated for pressure and temperature based on data from a five year period: the forecast data from numerical weather prediction model COAMPS and measurement data from 42 IMGW synoptic stations. Systematic error and its dependence on ensemble spread was also examined. Software which enables forecast correction and its uncertainty estimation was created. It was written in Python with object-oriented approach. Software and method verification was performed with data from first six months of year 2018. Estimated weather forecast uncertainty reflects the actual errors of forecasts very well in the case of temperature, while for the pressure the uncertainty is underestimated. Systematic error correction results in improved forecasting quality for both parameters.
