An Information-Theoretical Score of Dichotomous Precipitation Forecast
Notice bibliographique
Résumé
Abstract This study presents an information-theoretical score (ITS) with an emphasis on desirable and undesirable mutual information between a series of dichotomous forecast and observation. As ITS makes use of the same contingency table as traditional scores, the performance of threat score (TS), equitable threat score (ETS), and true skill statistics (TSS) are compared with ITS using three different approaches. First, a hypothetical forecast setup is employed to investigate the responses of the scores to bias, phase error, and event frequency. It was found that the desirable mutual information portion of ITS ( C + ) is closer to TSS, and the undesirable mutual information portion of ITS ( C − ) reveals the presence of biases and random errors in the forecast. There is also a similarity between ITS and ETS. Second, the sensitivities of ITS and ETS to forecast bias tendency are examined analytically using the critical performance ratio (CPR). It is shown that ITS has a more dynamical response to incremental bias. By increasing the bias, the CPR value of ITS increases more rapidly than that of ETS indicating a higher resistance to hedging. Third, the skill scores on two sets of operational forecasts are applied with respect to a mosaic of observed radar reflectivity. The results show that ITS remains more consistent in its evaluation of skills at different thresholds compared to other scores.
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) | 0,009 | 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 ».