यहाँ बाएं क्षेत्र के उत्तर से थोड़ा बाहर है, जो आपके प्रश्न के "कई मॉडलों के संयोजन के आसपास की सर्वोत्तम प्रथाओं" को छूता है । यह मूल रूप से वास्तव में मेरा सम्मान थीसिस है, सिवाय इसके कि मैं जटिल, अत्यधिक गैर-रैखिक मॉडल के साथ काम कर रहा हूं जो अराजकता और शोर - जलवायु मॉडल का प्रदर्शन करते हैं। यह मोटे तौर पर कई क्षेत्रों में लागू होने की संभावना नहीं है, लेकिन पारिस्थितिकी या अर्थमिति में उपयोगी हो सकता है।
जलवायु मॉडलिंग समुदाय में काफी हद तक, मॉडल को मोटे तौर पर केवल एक अनवील औसत में एक साथ तोड़ा गया था (आमतौर पर पूर्वाग्रह सुधार के बाद भाग या सभी नमूना अवधि के लिए मॉडल का मतलब निकालना शामिल था)। यह मूल रूप से IPCC ने 4th असेसमेंट रिपोर्ट (4AR), और पिछली रिपोर्टों के लिए किया था।
यह पहनावा संयोजन के " सत्य प्लस त्रुटि " स्कूल का कमोबेश एक उदाहरण है , जहां यह स्पष्ट रूप से या स्पष्ट रूप से माना जाता है कि अवलोकन श्रृंखला (जैसे। वैश्विक तापमान, स्थानीय वर्षा, आदि) सच है, और यदि आप पर्याप्त नमूने लेते हैं। (जैसे। मॉडल रन), मॉडल रन में शोर रद्द हो जाएगा (देखें (1))।
हाल ही में, प्रदर्शन भार के आधार पर मॉडल के संयोजन के तरीकों का उपयोग किया गया है। क्योंकि जलवायु मॉडल इतने शोरगुल वाले होते हैं, और इनमें बहुत सारे चर और पैरामीटर होते हैं, प्रदर्शन का आकलन करने के एकमात्र तरीके (जो मुझे पता है) कोविरेंस लेने या मॉडल आउटपुट और देखे गए समय श्रृंखला के बीच एमएसई लेने से हैं। मॉडल को फिर उस माप के आधार पर माध्य भारित करके जोड़ा जा सकता है। इसमें (2) का एक अच्छा अवलोकन है।
सिमुलेशन के संयोजन की इस पद्धति के पीछे एक धारणा यह है कि मॉडल सभी यथोचित स्वतंत्र हैं - यदि कुछ अत्यधिक निर्भर थे, तो वे इस मतलब को पूर्वाग्रह करेंगे। यह अनुमान 4AR ( CMIP3) के लिए उपयोग किए जाने वाले डेटासेट के लिए उचित रूप से उचित था , क्योंकि यह डेटा सेट कई मॉडलिंग समूहों के कुछ मॉडल रन से बना था (दूसरी तरफ, कोड को मॉडलिंग समुदाय में साझा किया गया है, इसलिए अभी भी कुछ अन्योन्याश्रयता हो सकती है इस पर एक दिलचस्प नज़र के लिए, (3) देखें। अगली मूल्यांकन रिपोर्ट, सीएमआईपी 5 के लिए डेटासेट, यह कुछ हद तक भाग्यशाली विशेषता नहीं है - कुछ मॉडलिंग टीमों को कुछ रन जमा करने होंगे, जबकि कुछ सैकड़ों जमा करेंगे। अलग-अलग टीमों से आने वाले एनसेंबल को प्रारंभिक स्थिति याचिका के द्वारा, या मॉडल भौतिकी और पैरामीरिसन में बदलाव के द्वारा उत्पादित किया जा सकता है। इसके अलावा, इस सुपर पहनावा को किसी भी व्यवस्थित तरीके से नमूना नहीं लिया गया है - यह सिर्फ वह है जो कभी डेटा लाता है (कारण के भीतर) स्वीकार किया जाता है। इस क्षेत्र में एक " अवसर की टुकड़ी " के रूप में जाना जाता है । एक उचित मौका है कि इस तरह के पहनावे पर अनवीट किए गए माध्य का उपयोग करने से आपको अधिक रनों के साथ मॉडल की ओर कुछ प्रमुख पूर्वाग्रह उत्पन्न होने वाले हैं (हालांकि सैकड़ों रन होने के बावजूद, वास्तव में स्वतंत्र रनों की संख्या बहुत कम है)।
मेरे पर्यवेक्षक के पास प्रदर्शन और स्वतंत्रता भार से संबंधित मॉडल संयोजन की एक प्रक्रिया का वर्णन करते हुए इस समय समीक्षा में एक पेपर है । एक सम्मेलन कागज सार उपलब्ध है (4), मैं प्रकाशित होने पर कागज पर लिंक पोस्ट करूँगा (धीमी प्रक्रिया, अपनी सांस न पकड़ें)। मूल रूप से, यह पेपर एक ऐसी प्रक्रिया का वर्णन करता है जिसमें मॉडल त्रुटियों (मॉडल-अवलोकन) के सहसंयोजक को लेना और अन्य सभी मॉडलों के साथ उच्च मॉडल वाले मॉडल को भारित करना शामिल है, (यानी अत्यधिक निर्भर त्रुटियों वाले मॉडल)। मॉडल त्रुटि संस्करण की गणना भी की जाती है, और प्रदर्शन-भार घटक के रूप में उपयोग किया जाता है।
यह भी ध्यान देने योग्य है कि जलवायु मॉडलिंग स्पष्ट रूप से संख्यात्मक मॉडलिंग की योनि से सामान्य रूप से प्रभावित होता है। वहाँ एक "हंसी परीक्षण" नामक एक चीज है - यदि आप एक मॉडल रन के साथ समाप्त होते हैं, जिसका अर्थ है कि 2050 तक वैश्विक औसत तापमान + 20 डिग्री सेल्सियस होगा, तो आप इसे केवल बाहर फेंक देते हैं, क्योंकि यह स्पष्ट रूप से शारीरिक रूप से प्रासंगिक नहीं है। जाहिर है इस तरह का परीक्षण काफी व्यक्तिपरक है। मुझे अभी इसकी आवश्यकता नहीं है, लेकिन मैं निकट भविष्य में उम्मीद करता हूं।
इस समय मेरे क्षेत्र में राज्य मॉडल संयोजन की मेरी समझ है। जाहिर है मैं अभी भी सीख रहा हूं, इसलिए यदि मैं किसी विशेष चीज पर हिट करता हूं, तो मैं वापस आऊंगा और इस उत्तर को अपडेट करूंगा।
(१) तेबलदी, सी। और नुट्टी, आर।, २००.. संभाव्य जलवायु अनुमानों में बहु-मॉडल कलाकारों की टुकड़ी का उपयोग। रॉयल सोसाइटी ए के दार्शनिक लेन-देन: गणितीय, भौतिक और इंजीनियरिंग विज्ञान, 365 (1857), पीपी.2053–2075।
(२) नुट्टी, आर। एट अल।, २०१०. आईपीसीसी विशेषज्ञ मल्टी मॉडल क्लाइमेट प्रोजेक्शंस का आकलन और संयोजन करने पर बैठक।
(3) मेसन, डी। और नुट्टी, आर।, 2011. जलवायु मॉडल वंशावली। Geophys। रेस। लेट, 38 (8), पी। एल 08703।
(४) अब्रामोविट्ज़, जी। और बिशप, सी।, २०१०। पहनावा भविष्यवाणी में मॉडल निर्भरता के लिए परिभाषित और भार। AGU पतन बैठक सार में। पी। 07।