Ozone ensemble forecasts: 1. A new ensemble design
Notice bibliographique
Résumé
A new Ozone Ensemble Forecast System (OEFS) is tested as a technique to improve the accuracy of real‐time photochemical air quality modeling. The performance of 12 different forecasts along with their ensemble mean is tested against the observations during 11–15 August 2004, over five monitoring stations in the Lower Fraser Valley, British Columbia, Canada, a population center in a complex coastal mountain setting. The 12 ensemble members are obtained by driving the U.S. Environmental Protection Agency (EPA) Models‐3/Community Multiscale Air Quality Model (CMAQ) with two mesoscale meteorological models, each run at two resolutions (12‐ and 4‐km): the Mesoscale Compressible Community (MC2) model and the Penn State/NCAR mesoscale (MM5) model. Moreover, CMAQ is run for three emission scenarios: a control run, a run with 50% more NOx emissions, and a run with 50% fewer. For the locations and days used to test this new OEFS, the ensemble mean is the best forecast if ranked using correlation, gross error, and root mean square error and has average performance when evaluated with the unpaired peak prediction accuracy. Ensemble averaging removes part of the unpredictable components of the physical and chemical processes involved in the ozone fate, resulting in a more skilful forecast when compared to any deterministic ensemble member. There is not one of the 12 individual forecasts that clearly outperforms the others on the basis of the four statistical parameters considered here. A lagged‐averaged OEFS is also tested as follows. The 12‐member OEFS is expanded to an 18‐member OEFS by adding the second day from the six 12‐km “yesterday” forecasts to the “today” ensemble forecast. The 18‐member ensemble does not improve the ensemble mean forecast skill. Neither correlation nor a relationship between ensemble spread and forecast error is evident.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,000 | 0,001 |
| 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 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 ».