MétaCan
Menu
Retour à la cohorte
Enregistrement W1520434679 · doi:10.1029/2012eo220013

Developing air quality forecasts

2012· article· en· W1520434679 sur OpenAlexaboutno aff
Pius Lee, Rick Saylor, J. F. Meagher

Notice bibliographique

RevueEos · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality Monitoring and Forecasting
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAir quality indexHuman healthEnvironmental scienceParticulatesMeteorologySteering committeeAir monitoringQuality (philosophy)AeronauticsPolitical scienceOperations researchGeographyEngineeringEnvironmental healthEngineering managementEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Third International Workshop on Air Quality Forecasting Research; Potomac, Maryland, 29 November to 1 December 2011 Elevated concentrations of both near‐surface ozone (O 3 ) and fine particulate matter smaller than 2.5 micrometers in diameter have been implicated in increased mortality and other human health impacts. In light of these known influences on human health, many governments around the world have instituted air quality forecasting systems to provide their citizens with advance warning of impending poor air quality so that they can take actions to limit exposure. In an effort to improve the performance of air quality forecasting systems and provide a forum for the exchange of the latest research in air quality modeling, the International Workshop on Air Quality Forecasting Research (IWAQFR) was established in 2009 and is cosponsored by the U.S. National Oceanic and Atmospheric Administration (NOAA), Environment Canada (EC), and the World Meteorological Organization (WMO). The steering committee for IWAQFR's establishment was composed of Véronique Bouchet, Mike Howe, and Craig Stoud (EC); Greg Carmichael (University of Iowa); Paula Davidson and Jim Meagher (NOAA); and Liisa Jalkanen (WMO). The most recent workshop took place in Maryland.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,181
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,097
Tête enseignante GPT0,333
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEosMême sujetAir Quality Monitoring and ForecastingTravaux en français237 207