MétaCan
Menu
Retour à la cohorte
Enregistrement W2145980277 · doi:10.1175/2009mwr3187.1

Toward Random Sampling of Model Error in the Canadian Ensemble Prediction System

2009· article· en· W2145980277 sur OpenAlexaffabout
Martin Charron, G. Pellerin, Ľuboš Spaček, P. L. Houtekamer, Normand Gagnon, Herschel L. Mitchell, Laurent Michelin

Notice bibliographique

RevueMonthly Weather Review · 2009
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMeteorological Phenomena and Simulations
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésKalman filterProbabilistic logicEnsemble Kalman filterEnsemble forecastingMeteorologyComputer scienceSensitivity (control systems)Environmental scienceGridSampling (signal processing)PrecipitationFilter (signal processing)Extended Kalman filterGeologyGeodesyMachine learningArtificial intelligenceGeography

Résumé

récupéré en direct d'OpenAlex

Abstract An updated global ensemble prediction system became operational at the Meteorological Service of Canada in July 2007. The new elements of the system include the use of 20 members instead of 16, a single dynamical core [the Global Environmental Multiscale (GEM) model], stochastic physical tendency perturbations and a kinetic energy backscatter algorithm, an ensemble Kalman filter with four-dimensional data handling, and a decrease from 1.2° to 0.9° in horizontal grid spacing. This system is compared with the former operational one using a variety of probabilistic measures. For global upper-air dynamical fields, the improvement in predictive skill for equivalent forecast quality is from 9 to 16 h around day 6. Precipitation forecasts, verified over Canada, are also significantly improved. The impact of each of the abovementioned new elements of the ensemble prediction system is also evaluated separately in a series of sensitivity experiments for which one given element is removed from the system.

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)0,010
score de la tête « metaresearch » (Gemma)0,034
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: Empirique
Score de désaccord entre enseignants0,254
Score d'incertitude au seuil0,511

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,034
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,096
Tête enseignante GPT0,271
Écart entre enseignants0,175 · 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

Citations146
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMonthly Weather ReviewMême sujetMeteorological Phenomena and SimulationsTravaux en français237 207