MétaCan
Menu
Retour à la cohorte

WCRP LRFTIP lead-time dependent sub-seasonal/seasonal/decadal hindcast climatologies

2021· dataset· en· W6944542610 sur OpenAlexaff

Notice bibliographique

RevueECCC Data Catalogue · 2021
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésHindcastCoupled model intercomparison projectInitializationForecast skillClimate modelTransient (computer programming)

Résumé

récupéré en direct d'OpenAlex

The purpose of the Long-Range Forecast Transient Intercomparison Project (LRFTIP) is to provide an archive of hindcast climatologies, describing the systematic behavior of models evolving from observation-based initial states, that can inform investigations into the transient behavior of initialized subseasonal to decadal climate predictions, the development of model biases, and the relative merits of different initialization methods. The archive is based on publicly available hindcast datasets including the Subseasonal to Seasonal Prediction Project (S2S), the Climate-system Historical Forecast Project (CHFP) and the Coupled Model Intercomparison Project Phase 5 (CMIP5) and 6 (CMIP6). ECCC models include the GEPS-based contribution to S2S, the CanCM3, CanCM4, CanCM4i and GEM-NEMO seasonal prediction models, and the CanCM4 CMIP5 and CanESM5 CMIP6 decadal prediction models. Additional contributions are being added as they become available.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Science ouverte, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Science ouverte, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,157
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0150,019
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,160

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 Opus0,048
Tête enseignante GPT0,296
Écart entre enseignants0,248 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECCC Data CatalogueTravaux en français237 207