MétaCan
Menu
Retour à la cohorte
Enregistrement W4287898771 · doi:10.48550/arxiv.2001.11375

WRF Simulation, Model Sensitivity, and Analysis of the December 2013 New\n England Ice Storm

2020· preprint· W4287898771 sur OpenAlexaboutno aff
Julia Simonson, S. D. Birkel, Kirk A. Maasch, Paul A. Mayewski, Bradfield Lyon, Andrew M. Carleton

Notice bibliographique

RevuearXiv (Cornell University) · 2020
Typepreprint
Langue
DomaineEarth and Planetary Sciences
ThématiqueMeteorological Phenomena and Simulations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWeather Research and Forecasting ModelRadiosondeStormMeteorologyEnvironmental scienceNumerical weather predictionClimatologySevere weatherWind speedGeologyGeography

Résumé

récupéré en direct d'OpenAlex

Ice storms pose significant damage risk to electric utility infrastructure.\nIn an attempt to improve storm response and minimize costs, energy companies\nhave supported the development of ice accretion forecasting techniques\nutilizing meteorological output from numerical weather prediction (NWP) models.\nThe majority of scientific literature in this area focuses on the application\nof NWP models, such as the Weather Research and Forecasting (WRF) model, to ice\nstorm case studies, but such analyses tend to provide little verification of\noutput fidelity prior to use. This study evaluates the performance of WRF in\ndepicting the 21-23 December 2013 New England ice storm at the surface and in\nvertical profile. A series of sensitivity tests are run using eight planetary\nboundary layer (PBL) physics parameterizations, three reanalysis datasets, two\nvertical level configurations, and with and without grid nudging. Simulated\nvalues of precipitation, temperature, wind speed, and wind direction are\nvalidated against surface and radiosonde observations at several station\nlocations across northeastern U.S. and southeastern Canada. The results show\nthat, while the spatially and temporally averaged statistics for near-surface\nvariables are consistent with those of select ice-storm case studies,\nnear-surface variables are highly sensitive to model when examined at the\nstation level. No single model configuration produces the most robust solution\nfor all variables or station locations, although one scheme generally yields\nmodel output with the least realism. In all, we find that careful model\nsensitivity testing and extensive validation are necessary components for\nminimizing model-based biases in simulations of ice storms.\n

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,166
Score d'incertitude au seuil0,330

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,102
Tête enseignante GPT0,198
Écart entre enseignants0,096 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetMeteorological Phenomena and SimulationsTravaux en français237 207