MeteoAdriatic ARW 2017 dosad je najnapredniji numerički sistem razvijen u MeteoAdriatic-u. Baziran je na WRF-ARW 3.8.1 jezgri i sadrži čitav niz naprednih idejnih rješenja koja ga svrstavaju među najnaprednije WRF sustave. Osim napredne tehnologije, neki od najvažnijih razvojnih ciljeva bili su jednostavnost i robusnost. Posljedično tome, za krajnjeg korisnika upotreba sustava je maksimalno pojednostavljena i čitav proces korištenja sustava iz dana u dan se svodi na samo jednu naredbu iz linux-ovog komandnog prompta koja može primiti jednostavan i lako pamtljiv niz argumenata. Naravno, sustav je normalno moguće pokretati kroz cron, pa on u pravilu radi potpuno automatski bez ikakve korisničke intervencije. Konfiguracija sustava je također vrlo jednostavna kroz nekoliko konfiguracijskih datoteka u tekstualnom formatu.
Robusnost modela bio je jedan od glavnih zahtjeva, pa je tako u ovoj verziji implementiran cijeli niz rješenja koja nastoje automatski pratiti rad modela od starta do cilja i rješavati eventualne zastoje na potpuno samostalan način bez potrebe za korisničkom intervencijom. Pouzdanost sustava već je prethodnom inačicom bila na vrlo visokom nivou, što dokazuje i Crometeo ARW setup koji od prvog runa pa do trenutka pisanja ovog bloga, nije imao niti jedan ispad tijekom 106 odrađenih simulacija, dok nova verzija posjeduje još dodatno poboljšane sheme za detekciju i automatsko rješavanje problema.
MeteoAdriatic ARW 2017 model vrlo je jednostavan za instalaciju, dovoljno je prekopirati stablo direktorija s jednog računala na drugo i model je spreman za rad. Nikakvi kompajleri niti duge pripreme računala nisu potrebne. Statički kompajlirane izvršne datoteke osiguravaju kompatibilnost s bilo kojim linux 64-bitnim sustavom. Sve to omogućuje implementaciju novih sustava u rekordno kratkom vremenu.
Temeljne značajke MeteoAdriatic ARW 2017 modela su sljedeće:
WRF jezgra: Advanced Research WRF, v3.8.1
SNOMOD: Modifikacija ulaznih podataka snježnog pokrivača iz GFS-a na rezoluciju grida modela
MAAAPS: MeteoAdriatic ARW Adaptive Performance Scheme – sustav za kontrolu brzine integracije modela korištenjem adaptivnog vremenskog koraka i varijabilnog seta vertikalnih levela. Zavisno o stanju atmosfere nad domenom modela, ovime se postiže bolja kvaliteta simulacije u slučaju mirnije atmosfere, te veće performanse računanja u slučaju bržih atmosferskih strujanja
DDS: Dynamic Domain Selection – Zavisno o dominantnom smjeru strujanja atmosfere nad domenom modela, odabire se jedna od devet različito pozicioniranih domena kako bi se interesno područje što više udaljilo od ulaznog ruba domene i na taj način smanjile rubne greške
GFS gribfilter A+B s dvostrukom kontrolom ispravnosti datoteka: Podrška za korištenje gribfilter sustava za skidanje GFS datoteka vrlo male veličine uz dvostruku kontrolu njihove ispravnosti; pomoću wgrib2 te usporedbom veličine datoteke. Ova značajka omogućuje vrlo mali download ulaznih podataka što smanjuje mrežni promet i skraćuje ekstrakciju GFS datoteka čime u konačnici ubrzava start sustava. Dvostruka kontrola datoteka znači izvrsnu robusnost download sustava.
Prikaz progresa modela: U svakom trenutku korisnik ima uvid u aktualni progres modela uz projicirano očekivano vrijeme završetka, čak i onda kad je model pokrenut kroz cron.
Automatsko restartanje modela: U slučaju da se model sruši tijekom integracije, automatski će biti restartan. Pritom, sustav provjerava razloge rušenja modela i ako pronađe da je uzrok preveliki vremenski korak, automatski će ga smanjiti prije nego ponovo pokrene nastavak integracije.
Automatska selekcija izvršnih datoteka zavisno o optimizacijama za određenu inačicu procesora: Sustav automatski bira najbolje optimizirane izvršne datoteke zavisno o instaliranom procesoru. Korisnik tako ne mora znati ništa o optimizacijskim flagovima kompajlera i sličnim tehničkim detaljima da bi dobio najbrži mogući kod za svoj procesor – sustav sve određuje sam.
DUALSTAGE: Mogućnost ARW integracije u dvije faze pri čemu se tijekom prve faze koristi sporiji ali kvaltetniji set postavki, a tijekom druge manje kvaltietan ali brži set postavki. Ovime se omogućuje da model odradi kvalitetniju prognozu tijekom primjerice prva dva ili tri dana simulacije, a zatim do kraja razdoblja simulacije da izračuna prognozu brže štedeći računalne resurse. Drugim riječima, korištenjem ove opcije više resursa model dobija za kratkoročnu prognozu a manje za srednjeročnu (koja je ionako manje pouzdana i manje bitna).
Osim navedenih značajki u pripremi su još neke poput mogućnisti automatske povijesne reanalize korištenjem FNL podataka, korištenje STRC GFS ptile ulaznih podataka itd.
Potencijalno zainsteresirani korisnici sustava mogu nas kontaktirati na e-mail.
