MétaCan
Menu
Retour à la cohorte
Enregistrement W1916263570 · doi:10.1111/1752-1688.12307

Improved Weather Generator Algorithm for Multisite Simulation of Precipitation and Temperature

2015· article· en· W1916263570 sur OpenAlexafffundabout

Notice bibliographique

RevueJAWRA Journal of the American Water Resources Association · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Drought Analysis
Établissements canadiensWestern University
Organismes subventionnairesEnvironment Canada
Mots-clésResamplingPrecipitationParametric statisticsBlock (permutation group theory)USablePerturbation (astronomy)Generator (circuit theory)Numerical weather prediction

Résumé

récupéré en direct d'OpenAlex

Abstract The KnnCAD Version 4 weather generator algorithm for nonparametric, multisite simulations of temperature and precipitation data is presented. The K‐nearest neighbor weather generator essentially reshuffles the historical data, with replacement. In KnnCAD Version 4, a block resampling scheme is introduced to preserve the temporal correlation structure in temperature data. Perturbation of the reshuffled variable data is also added to enhance the generation of extreme values. The Upper Thames River Basin in Ontario, Canada is used as a case study and the model is shown to simulate effectively the historical characteristics at the site. The KnnCAD Version 4 approach is shown to improve on the previous versions of the model and offers a major advantage over many parametric and semiparametric weather generators in that multisite use can be easily achieved without making statistical assumptions dealing with the spatial correlations and probability distributions of each variable.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,483
Score d'incertitude au seuil0,160

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)0,0000,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,231
Écart entre enseignants0,225 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations37
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJAWRA Journal of the American Water Resources AssociationMême sujetHydrology and Drought AnalysisTravaux en français237 207