Pattern-Based Evaluation of Coupled Meteorological and Air Quality Models
Notice bibliographique
Résumé
Abstract A novel pattern-based model evaluation technique is proposed and demonstrated for air quality models (AQMs) driven by meteorological model (MM) output. The evaluation technique is applied directly to the MM output; however, it is ultimately used to gauge the performance of the driven AQM. This evaluation of AQM performance based on MM performance is a major advance over traditional evaluation methods. First, meteorological cluster analysis is used to assign the days of a historical measurement period among a small number of weather patterns having distinct air quality characteristics. The clustering algorithm groups days sharing similar empirical orthogonal function (EOF) representations of their measurements. In this study, EOF analysis is used to extract space–time patterns in the surface wind field reflecting both synoptic and mesoscale influences. Second, simulated wind fields are classified among the determined weather patterns using the measurement-derived EOFs. For a given period, the level of agreement between the observation-based clustering labels and the simulation-based classification labels is used to assess the validity of the simulation results. Mismatches occurring between the two sets of labels for a given period imply inaccurately simulated conditions. Moreover, the specific nature of a mismatch can help to diagnose the downstream effects of improperly simulated meteorological fields on AQM performance. This pattern-based model evaluation technique was applied to extended simulations of fine particulate matter (PM2.5) covering two winter seasons for the San Francisco Bay Area of California.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».