Amélioration des prévisions d'ensemble des débits sur la France de SAFRAN-ISBA-MODCOU
Notice bibliographique
Résumé
L'objectif de cette thèse était d'améliorer les performances des prévisions d'ensemble hydrologiques du modèle SAFRAN-ISBA-MODCOU (SIM) de Météo-France. D'abord, la Prévision d'Ensemble ARPEGE (PEARP) a été utilisée (en remplacement de l'EPS à 10 jours du CEPMMT). Une étude statistique comparative à courte échéance des deux forçages météorologiques désagrégés et prévisions de débits a été réalisée. Ensuite, les états initiaux des prévisions d'ensemble de débits ont été améliorés par une assimilation des débits dans SIM-analyse (qui initialise le système ensembliste). Le but est d'améliorer les simulations de débits en modifiant l'humidité du sol avec la méthode du Best Linear Unbiased Estimator (BLUE). Plusieurs configurations ont été testées et ont montré une nette amélioration des simulations de débits. Enfin, on a quantifié l'impact de cette assimilation de débits sur les deux systèmes de prévisions d'ensemble des débits. L'amélioration est significative, même à moyenne échéance
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».