Baza Publikacji Pracowników Politechniki Lubelskiej

Status:
Autorzy:	Murat Małgorzata, Malinowska Iwona, Hoffman Holger, Baranowski Piotr
Rok wydania:	2016
Wersja dokumentu:	Drukowana \| Elektroniczna
Język:	angielski
Numer czasopisma:	1
Wolumen/Tom:	30
Strony:	57 - 65
Impact Factor:	0,967
Web of Science® Times Cited:	16
Scopus® Cytowania:	24
Bazy:	Web of Science \| Scopus
Efekt badań statutowych	NIE
Materiał konferencyjny:	NIE
Publikacja OA:	TAK
Licencja:
Sposób udostępnienia:	Otwarte czasopismo
Wersja tekstu:	Ostateczna wersja opublikowana
Czas opublikowania:	W momencie opublikowania
Abstrakty:	angielski
	Meteorological time series are used in modelling agrophysical processes of the soil-plant-atmosphere system which determine plant growth and yield. Additionally, long-term meteorological series are used in climate change scenarios. Such studies often require forecasting or projection of meteorological variables, eg the projection of occurrence of the extreme events. The aim of the article was to determine the most suitable exponential smoothing models to generate forecast using data on air temperature, wind speed, and precipitation time series in Jokioinen (Finland), Dikopshof (Germany), Lleida (Spain), and Lublin (Poland). These series exhibit regular additive seasonality or non-seasonality without any trend, which is confirmed by their autocorrelation functions and partial autocorrelation functions. The most suitable models were indicated by the smallest mean absolute error and the smallest root mean squared error.

Statistical modelling of agrometeorological time series by exponential smoothing