@article { author = {Fathi, Maede and Azadi, Majid and Kamali, Gholamali and Meshkatee, Amir-Hussain}, title = {Calibration of Probabilistic Precipitation Forecasts Based on Ensemble Output Using Bayesian Model Averaging over Iran}, journal = {Journal of Meteorology and Atmospheric Science}, volume = {1}, number = {2}, pages = {114-129}, year = {2018}, publisher = {Iran Meteorology Society (IMS)}, issn = {2645-7261}, eissn = {2645-727X}, doi = {}, abstract = {In this study, an ensemble system is developed using the WRF model to produce probabilistic precipitation forecasts over Iran. The ensemble system consists of WRF model simulations with eight different physical configurations. Initial and boundary conditions for WRF are provided from the National Centers for Environmental Prediction (NCEP) Global Forecast System (GFS) forecasts with a horizontal resolution of 0.5. The Bayesian model averaging (BMA) method is used to calibrate the probabilistic forecasts of rainfall in the fall and winter of 2016-2015. The 24-, 48- and 72-hour raw ensemble outputs were calibrated using the BMA technique for 90 days as the test period with 87 training days of forecasts. The calibrated probabilistic forecasts are assessed using reliability diagram, ROC diagram, Brier score and RPS. In addition, the forecast economic value has been investigated. The results show that the application of BMA has improved the reliability of the raw ensemble, such that the reliability and ROC diagrams have been improved significantly. For 24-hour forecasts, the Brier score is reduced by 24, 30, 32, 36, 39 and 65 percent at the thresholds of 0.1, 2.5, 5, 10, 15 and 25 mm, respectively. Similar results were achieved in 48- and 72-hour forecasts. The RPS score for the 24-, 48- and 72-hour forecasts is reduced by 45, 40 and 38 percent, respectively.}, keywords = {Ensemble system,WRF Model,probabilistic forecast,Bayesian Model Averaging (BMA),Verification}, title_fa = {واسنجی پیش‌بینی احتمالاتی بارش برونداد سامانه همادی به روش میانگین‌گیری بایزی روی ایران}, abstract_fa = {در این پژوهش، نتایج حاصل از توسعه یک سامانه همادی برای تولید پیش‌بینی احتمالاتی با استفاده از مدل WRF جهت پیش‌بینی بارش روی ایران ارائه می‌شود. سامانه همادی که در این تحقیق مورد استفاده قرار می گیرد، از اجرای مدل WRF با هشت پیکر بندی فیزیکی متفاوت تشکیل شده است. برای شرایط مرزی و اولیه مدل‌ها از داده‌های جهانی GFS با تفکیک افقی 5/0 درجه استفاده شده است. در این مقاله، روش میانگین‌گیری بایزی (BMA) برای واسنجی پیش‌بینی‌های احتمالاتی بارش 24، 48 و 72 ساعته در پاییز و زمستان 2016-2015 مورد مطالعه قرار گرفته است. داده‌ها شامل دو دوره آموزش (1 سپتامبر 2015 تا 1 دسامبر 2015) و ارزیابی (1 دسامبر 2015 تا 30 فوریه 2016) می‌باشد. پیش‌بینی احتمالاتی بارش تجمعی 24 ساعته با استفاده از نمودار اطمینان‌پذیری، نمودار ROC، امتیاز بریر و امتیاز RPS در آستانه‌های مختلف مورد ارزیابی قرار گرفت. هم‌چنین نمودار ارزش اقتصادی پیش‌بینی بررسی شده است. نتایج نشان می‌دهد که پیش‌بینی احتمالاتی سامانه همادی به روش BMA اعتماد‌پذیرتر و تفکیک‌پذیرتر است، بطوری‌که پس از واسنجی، نموار اطمینان‌‌پذیری و نمودار ROC بهبود قابل توجهی داشته است. نتایج حاصل از درستی‌سنجی نشان می‌دهد که با واسنجیده نمودن امتیاز بریر برای پیش‌بینی 24 ساعته در آستانه‌های 1/0، 5/2، 5، 10، 15 و 25 میلی‌متر به‌ترتیب 24، 30، 32، 36، 39 و 65 درصدکاهش یافته است، برای پیش‌بینی‌های 48 و 72 ساعته نیز امتیاز بریر کاهش یافته است. امتیاز RPS برای پیش‌بینی 24، 48 و 72 ساعته به ترتیب 45، 40 و 38 درصد کاهش یافته است.}, keywords_fa = {سامانه همادی,مدل WRF,پیش بینی احتمالاتی,میانگین گیری بایزی,صحت سنجی}, url = {https://www.ims-jmas.net/article_105243.html}, eprint = {https://www.ims-jmas.net/article_105243_87bcc368990e78f3e6c903791a6a3c3f.pdf} }