MétaCan
Menu
Retour à la cohorte
Enregistrement W2112268710 · doi:10.1175/mwr-d-12-00206.1

A Comparison of the Canadian Global and Regional Meteorological Ensemble Prediction Systems for Short-Term Hydrological Forecasting

2013· article· en· W2112268710 sur OpenAlexafffundabout
Mabrouk Abaza, François Anctil, Vincent Fortin, Richard Turcotte

Notice bibliographique

RevueMonthly Weather Review · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensGDG EnvironnementUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésEnsemble forecastingTerm (time)MeteorologyEnsemble averageEnvironmental scienceReliability (semiconductor)Computer scienceMean squared errorForecast verificationNorth American Mesoscale ModelForecast skillGlobal Forecast SystemNumerical weather predictionClimatologyStatisticsMathematicsGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Meteorological ensemble prediction systems (M-EPS) are generally set up at lower resolution than for their deterministic counterparts. Operational hydrologists are thus more prone to selecting deterministic meteorological forecasts for driving their hydrological models. Limited-area implementation of meteorological models may become a convenient way of providing the sought after higher-resolution meteorological ensemble forecasts. This study aims to compare the Canadian operational global EPS (M-GEPS) and the experimental regional EPS (M-REPS) for short-term operational hydrological ensemble forecasting over eight watersheds, for which performance and reliability was assessed. Higher-resolution deterministic forecasts were also available for the study. Results showed that both M-EPS provided better performance than their deterministic counterparts when comparing their mean continuous ranked probability score (MCRPS) and mean absolute error (MAE), especially beyond a 24-h horizon. The global and regional M-EPS led to very similar performance in terms of RMSE, but the latter produced a larger spread and improved reliability. The M-REPS was deemed superior to its operational global counterpart, especially for its ability to better depict forecast uncertainty.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,179
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,065
Tête enseignante GPT0,278
Écart entre enseignants0,213 · 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'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

Citations38
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMonthly Weather ReviewMême sujetHydrology and Watershed Management StudiesTravaux en français237 207