Simulation of in‐cloud icing events on Mount Washington with the GEM‐LAM
Notice bibliographique
Résumé
In‐cloud icing on structures such as transmission lines and wind turbines is an important consideration both for design and operations. It often occurs in coastal areas and over high terrain, where there are virtually no systematic observations. The regional mesoscale model GEM‐LAM of the Canadian Meteorological Center (CMC) was used to model three historical icing events on Mount Washington, where observational data were available. These three events are representative of the most frequent low level wind directions for seven available observation periods. A newly developed sophisticated two‐moment microphysics scheme (Milbrandt‐Yau) is used in GEM‐LAM. The simulated cloud properties and other meteorological data are compared with near surface observational data. Simulation results from the 1‐km resolution run agree best with the observations, with an average RMSE (root mean square error) of 1.6°C for near surface temperature, 4.6 m s−1 for wind speed, 0.23 g m−3 for liquid water content, and 5.8 μm for the median volume droplet diameter. These simulated meteorological fields and cloud properties were used as inputs to a cylindrical sleeve icing model. The modeled icing rate from the GEM‐LAM simulated fields follows the temporal evolution of the observed one with average RMSE of 1.53 g m−1 min−1 compared to an average measured icing rate of 1.98 g m−1 min−1 for all the three cases.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».