Statistical analysis and forecasting of sea ice conditions in Canadian waters
Notice bibliographique
Résumé
Historical data of sea ice concentration in Canadian waters are analysed using projections methods (Principal Component Analysis, Singular Value Decomposition, Canonical Correlation Analysis and Projection on Latent Structures) to identify the main patterns of evolution in the sea ice cover. Three different areas of interest are studied: (1) the Gulf of St Lawrence, (2) the Beaufort Sea and (3) the Labrador Sea down to the east coast of Newfoundland. Forcing parameters that drive the evolution of the sea ice cover such as surface air temperature and wind field are also analysed in order to explain some of the variability observed in the sea ice field. Only qualitative correlations have been identified, essentially because of the singular nature of the sea ice concentration itself and the accuracy of available data. However, several statistical models based on identified patterns have been developed showing forecasting skills far better than those of the persistence assumption, which currently remains one of the best 'model' available. Forecasts are tested over periods of time ranging from a few days to several weeks. Some of these models constitute innovative approaches in the context of statistical sea ice forecasting. Some others models have been developed using a probabilistic approach. These models provide forecasts in terms of sea ice severity (low-medium-high), which is often accurate enough for navigation purposes for the three areas of interest. Forecasting skills of these models are also better than the persistence assumption. Finally, an existing dynamic sea-ice model has been adapted and used to predict sea ice conditions in the Gulf of St Lawrence during the Winter season 1992-1993. Simulations provided by this model are compared to the forecasts of different statistical models over the same period of time.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».