MétaCan
Menu
← Retour à la cohorte
Enregistrement W4300124625 · doi:10.48550/arxiv.1512.08517

A Stochastic Closure for Two-Moment Bulk Microphysics of Warm Clouds: Part I, Derivations

2015· preprint· en· W4300124625 sur OpenAlexfundno aff
David Collins, Boualem Khouider

Notice bibliographique

RevuearXiv (Cornell University) · 2015
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric aerosols and clouds
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésStatistical physicsCollisionMoment (physics)Stochastic processStandard deviationKernel (algebra)Closure (psychology)Aggregate (composite)PhysicsMathematicsClassical mechanicsStatisticsComputer scienceMaterials science

Résumé

récupéré en direct d'OpenAlex

We propose a mathematical methodology to derive a stochastic parameterization of bulk warm cloud micro-physics properties. Unlike previous bulk parameterizations, the stochastic parameterization does not assume any particular droplet size distribution, all parameters have physical meanings which are recoverable from data, and the resultant parameterization has the flexibility to utilize a variety of collision kernels. Our strategy is a new two-fold approach to modelling the kinetic collection equation. Partitioning the droplet spectrum into cloud and rain aggregates, we represent droplet densities as the sum of a mean and a random fluctuation. Moreover, we use a Taylor approximation for the collision kernel which allows the resulting parameterization to be independent of the collision kernel. To address the two-moment closure for bulk microphysical equations, we represent the higher (third) order terms as points in an Ornstein-Uhlenbeck-like stochastic process. These higher order terms are aggregate number concentration, and aggregate mixing ratio, fluctuations and product fluctuations on regions of a 2D space of pre-collision droplets. This 2D space is naturally partitioned into four domains, each associated with a collision process: cloud and rain self-collection, auto-conversion, and accretion. The stochastic processes in the solution to the kinetic collection equation are defined as the sum of a mean and the product of a standard deviation and a random fluctuation. An order of magnitude argument on the temporal fluctuations of the evolving cloud properties eliminates the terms containing a standard deviation and a random fluctuation from the mean evolution equations. The remaining terms form a coupled set of ODE's without any ad-hoc parameters or any assumed droplet size distributions and flexible enough to accept any collision kernel without further derivations.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,003
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,058
Tête enseignante GPT0,199
Écart entre enseignants0,141 · 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'étudeThéorique ou conceptuel
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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)→Même sujetAtmospheric aerosols and clouds→Travaux en français237 207→