Prediction of the summertime Northwest Pacific subtropical high based on ConvLSTM
Notice bibliographique
Résumé
The Northwest Pacific subtropical high (NWPSH) significantly affects East Asian weather and climate, rendering the prediction of its intensity and location critically important. This study aims to evaluate the performance of the Convolutional Long and Short-Term Memory (ConvLSTM) model for predicting the summertime 500 hPa geopotential height and NWPSH intensity and area at a lead time of three months, and to compare it with the dynamical models of the Nanjing University of Information Science and Technology Climate Forecast System (NUIST-CFS1.0) and the Canadian Seasonal to Interannual Prediction System Version 2 (CanSIPSv2). The mean latitude-weighted RMSE (RMSE w ), anomaly correlation coefficient (ACC), and NWPSH indices are used as evaluation metrics. For both summer mean and monthly prediction, the ConvLSTM model outperforms the two dynamical models in terms of RMSE w and ACC for the 500 hPa geopotential height over the western Pacific region. The correlation coefficients between the NWPSH intensity index predicted by the ConvLSTM model and the observations are higher than those obtained from the two dynamical models. Regarding the NWPSH area index, the ConvLSTM model shows more stable performance. Particularly in August, the improvement of the ConvLSTM model compared to the two dynamical models is more significant, indicating the robust capability in capturing late-summer circulation patterns. Therefore, the ConvLSTM model demonstrates significant potential for summer NWPSH prediction, offering a new perspective and approach for climate prediction in this region.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».