Forecasting severe ice storms using numerical weather prediction: the March 2010 Newfoundland event
Notice bibliographique
Résumé
Abstract. The northeast coast of North America is frequently hit by severe ice storms. These freezing rain events can produce large ice accretions that damage structures, frequently power transmission and distribution infrastructure. For this reason, it is highly desirable to model and forecast such icing events, so that the consequent damages can be prevented or mitigated. The case study presented in this paper focuses on the March 2010 ice storm event that took place in eastern Newfoundland. We apply a combination of a numerical weather prediction model and an ice accretion algorithm to simulate a forecast of this event. The main goals of this study are to compare the simulated meteorological variables to observations, and to assess the ability of the model to accurately predict the ice accretion load for different forecast horizons. The duration and timing of the freezing rain event that occurred between the night of 4 March and the morning of 6 March was simulated well in all model runs. The total precipitation amounts in the model, however, differed by up to a factor of two from the observations. The accuracy of the model air temperature strongly depended on the forecast horizon, but it was acceptable for all simulation runs. The simulated accretion loads were also compared to the design values for power delivery structures in the region. The results indicated that the simulated values exceeded design criteria in the areas of reported damage and power outages.
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 | 0,001 | 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) | 0,000 | 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 ».