Notice bibliographique
Résumé
Abstract Atmospheric motions are generally characterized by a wide range of multiple length and time scales, and a numerical method must use a fine grid to resolve such a wide range of scales. Furthermore, a very fine grid requires an extremely small time step in order to keep explicit time integration schemes stable. Therefore, high-resolution meteorological simulations are very expensive. A novel multiscale modeling approach is, therefore, presented for simulating atmospheric flows. In this approach, a prognostic variable representing a highly intermittent multiscale feature is decomposed into a significant and a nonsignificant part using wavelets, where the significant part is represented by a small fraction of the wavelet modes. The proposed multiscale methodology has been verified for simulating three cases: Smolarkiewicz’s deformational flow model, warm thermals in a dry atmosphere, and the dynamics of a vortex pair with ambient stable stratification. Comparisons with benchmark simulations and with a reference model are evidence for the convergence and stability of the proposed model. The comparison with the reference model has revealed that about 93% of the grid points are not necessary to resolve the significant motion in a warm thermal simulation, saving about 96% of the CPU time. Moreover, the CPU time varies linearly with the number of significant wavelet modes, showing that the present fully implicit adaptive model is asymptotically optimal for this simulation. These primary results point toward the benefit of constructing multiscale atmospheric models using the adaptive wavelet methodology.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».