Webrelaunch 2020
Foto von Benedikt Schulz

Benedikt Schulz M.Sc.

  • Karlsruher Institut für Technologie (KIT)
    Institut für Stochastik
    Englerstraße 2
    76131 Karlsruhe

Im Rahmen des Sonderforschungsbereichs/Transregio Waves to Weather arbeite ich in Projekt C5 („Dynamical feature-based ensemble postprocessing of wind gusts within European winter storms“) an Methoden zur statistischen Nachbearbeitung von Wettervorhersagen. Wir beschäftigen uns speziell mit Ensemblevorhersagen von Windböen und wenden dabei Methoden des modernen maschinellen Lernens wie neuronale Netze an.

Statistisch nachbearbeitete Echtzeit-Vorhersagen

Das IMK-TRO (Institut für Meteorologie und Klimaforschung, Department Troposphärenforschung) bietet auf dem Portal KIT-Weather unterschiedliche meteorologische Vorhersagen an, darunter operationelle Echtzeit-Vorhersagen für diverse Wettervariablen in mehreren europäischen Städten, bspw. Karlsruhe. In Zusammenarbeit mit der Arbeitsgruppe “Atmosphärische Dynamik“ bearbeiten wir die Echtzeit-Vorhersagen für ausgewählte deutsche Städte statistisch nach.
Hier klicken, um direkt zu den statistisch nachbearbeiteten Vorhersagen zu gelangen.

Aktuelles Lehrangebot
Semester Titel Typ
Wintersemester 2021/22 Vorlesung
Sommersemester 2021 Vorlesung
Proseminar

Publikationen

  • Schulz, B. und Lerch, S. (2021): Machine learning methods for postprocessing ensemble forecasts of wind gusts: A systematic comparison. Monthly Weather Review, in press. doi:10.1175/MWR-D-21-0150.1.
  • Maier-Gerber, M., Fink, A., Riemer, M., Schoemer, E., Fischer, C. und Schulz, B. (2021): Statistical-Dynamical Forecasting of Sub-Seasonal North Atlantic Tropical Cyclone Occurrence. Weather and Forecasting, 36 (6), 2127-2142. doi:10.1175/WAF-D-21-0020.1.
  • Schulz, B., El Ayari, M., Lerch, S. und Baran, S. (2021): Post-processing numerical weather prediction ensembles for probabilistic solar irradiance forecasting. Solar Energy, 220, 1016-1031. doi:10.1016/j.solener.2021.03.023.

Konferenzen und Workshops

  • ESA-ECMWF workshop 2021, online, Poster: Machine Learning Methods for Postprocessing Ensemble Forecasts of Wind Gusts: A Systematic Comparison.
  • VALPRED 3 (2021), Aussois, Vortrag: Machine learning methods for postprocessing ensemble forecasts of wind gusts.
  • ICCARUS 2021, online, Vortrag: Statistical and machine learning methods for postprocessing ensemble forecasts of wind gusts.
  • VALPRED 2 (2020), Aussois, Vortrag: Calibrating and combining probability forecasts.