MétaCan
Menu
Retour à la cohorte
Enregistrement W2093030011 · doi:10.1175/2008mwr2682.1

The Multiensemble Approach: The NAEFS Example

2008· article· en· W2093030011 sur OpenAlexafffundabout
G. Candille

Notice bibliographique

RevueMonthly Weather Review · 2008
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMeteorological Phenomena and Simulations
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesCanadian Foundation for Climate and Atmospheric Sciences
Mots-clésPredictabilityProbabilistic logicReliability (semiconductor)Computer scienceForecast skillEnvironmental scienceVariable (mathematics)Confidence intervalMeteorologyStatisticsMathematicsGeography

Résumé

récupéré en direct d'OpenAlex

Abstract The North American Ensemble Forecasting System (NAEFS) is the combination of two Ensemble Prediction Systems (EPS) coming from two operational centers: the Canadian Meteorological Centre (CMC) and the National Centers for Environmental Prediction (NCEP). This system provides forecasts of up to 16 days and should improve the predictability skill of the probabilistic system, especially for the second week. First, a comparison between the two components of the NAEFS is performed for several atmospheric variables with “objective” verification tools developed at CMC [i.e., the continuous ranked probability score (CRPS) and its reliability-resolution decomposition, the reduced centered random variable, and confidence intervals estimated with bootstrap methods]. The CMC system is more reliable, especially because of a better ensemble dispersion, while the NCEP system has better probabilistic resolution. The NAEFS, compared to the CMC and NCEP EPSs, shows significant improvements both in terms of reliability and resolution. The predictability has been improved by 1–2 forecast days in the second week. That improvement is not only a result of the increased ensemble size in the EPS—from 20 members to 40 in the present case—but also to the combination of different models and initial condition perturbations. By randomly mixing members from the CMC and NCEP systems in a 20-member EPS, an intrinsic skill improvement of the system is observed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,078
Tête enseignante GPT0,237
Écart entre enseignants0,159 · 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 source (Gemma direct ou Codex distillé), 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

Citations72
Publié2008
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMonthly Weather ReviewMême sujetMeteorological Phenomena and SimulationsTravaux en français237 207