MétaCan
Menu
Retour à la cohorte
Enregistrement W2949668831 · doi:10.1080/1755876x.2019.1632128

Forecasting the severity of the Newfoundland iceberg season using a control systems model

2019· article· en· W2949668831 sur OpenAlexaboutno aff
Grant R. Bigg, Yifan Zhao, Edward Hanna

Notice bibliographique

RevueJournal of Operational Oceanography · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIcebergHindcastHazardClimatologyMeteorologyEnvironmental scienceGeographyGeologySea ice

Résumé

récupéré en direct d'OpenAlex

The iceberg hazard for the Grand Banks area to the east of Newfoundland varies dramatically from one year to the next. In some years no icebergs penetrate south of 48°N, while in others well over 1000 icebergs enter the main shipping lanes between Europe and NE North America. Advance knowledge of this seasonal hazard would have major implications for ship routing, as well as the resources required for maintaining an effective ice hazard service. Here, a Windowed Error Reduction Ratio control system identification approach is used to forecast the severity of the 2018 iceberg season off Newfoundland, in terms of the predicted number of icebergs crossing 48°N, as well as to hindcast iceberg numbers for 2017. The best estimates are for 766 ± 297 icebergs crossing 48°N before the end of September 2017 and 685 ± 207 for 2018. These are both above the recent observed average of 592 icebergs for that date, and substantially so for 2017. Given the bimodal nature of the annual iceberg number, this means that our predictions for both 2017 and 2018 are for a high iceberg season, with a 71% level of confidence. However, it is most likely that the 2018 iceberg numbers will be somewhat less than 1000, while our higher hindcast for 2017 is consistent with the observed level of 1008. Our verification analysis, covering the 20-year period up to 2016, shows our model's correspondence to the high or low nature of the 48°N iceberg numbers is statistically robust to the 0.05% level, with a skill level of 80%.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,381
Score d'incertitude au seuil0,767

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,031
Tête enseignante GPT0,222
Écart entre enseignants0,191 · 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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Operational OceanographyMême sujetCryospheric studies and observationsTravaux en français237 207