ต่อไปนี้เป็นคำตอบที่ไม่ได้อยู่ทางซ้ายเล็กน้อยซึ่งเป็นเพียงแค่ส่วน"แนวทางปฏิบัติที่ดีที่สุดในการรวมหลายรุ่น" เข้าด้วยกันในคำถามของคุณ นี่เป็นวิทยานิพนธ์ของฉันจริง ๆ แล้วยกเว้นว่าฉันจะจัดการกับแบบจำลองที่ไม่เป็นเชิงเส้นที่ซับซ้อนสูงซึ่งแสดงความโกลาหลและเสียงรบกวน - แบบจำลองสภาพภูมิอากาศ สิ่งนี้ไม่น่าจะนำไปใช้ได้อย่างกว้างขวางกับหลายสาขา แต่อาจมีประโยชน์ในด้านนิเวศวิทยาหรือเศรษฐมิติ
จนกระทั่งเมื่อเร็ว ๆ นี้อย่างเป็นธรรมในชุมชนการสร้างแบบจำลองสภาพภูมิอากาศรุ่นที่ได้รับส่วนใหญ่เพียงแค่ถูกทุบด้วยกันในเฉลี่ยชั่ง (ปกติหลังจากการแก้ไขอคติที่เกี่ยวข้องกับการเอาค่าเฉลี่ยแบบจำลองสำหรับบางส่วนหรือทั้งหมดของรอบระยะเวลาตัวอย่าง) นี่เป็นสิ่งที่ IPCC ทำไว้สำหรับรายงานการประเมินครั้งที่ 4 (4AR) และรายงานก่อนหน้า
นี่เป็นตัวอย่างของ " ความจริงบวกกับข้อผิดพลาด " ของชุดการรวมกันที่มากขึ้นหรือน้อยลงซึ่งสันนิษฐานว่าแบบสังเกต (หรืออุณหภูมิโลกการตกตะกอนในท้องถิ่นและอื่น ๆ ) เป็นจริงและถ้าคุณใช้ตัวอย่างเพียงพอ (เช่นรุ่นที่รัน), เสียงในโมเดลที่ทำงานจะถูกยกเลิก (ดู (1)
เมื่อเร็ว ๆ นี้มีการใช้วิธีการรวมรุ่นตามน้ำหนักที่มีประสิทธิภาพ เนื่องจากแบบจำลองสภาพภูมิอากาศมีเสียงดังมากและมีตัวแปรและพารามิเตอร์มากมายวิธีเดียวในการประเมินประสิทธิภาพ (ที่ฉันรู้) คือโดยการแปรปรวนร่วมหรือโดยใช้ MSE ระหว่างเอาท์พุทแบบจำลองและอนุกรมเวลาที่สังเกตได้ แบบจำลองสามารถรวมกันได้โดยการถ่วงน้ำหนักค่าเฉลี่ยตามการวัดนั้น มีภาพรวมที่ดีของเรื่องนี้ใน (2)
ข้อสันนิษฐานหนึ่งที่อยู่เบื้องหลังวิธีการรวมการจำลองนี้คือการสันนิษฐานว่าแบบจำลองนั้นมีความเป็นอิสระอย่างสมเหตุสมผล - ถ้าบางคนขึ้นอยู่กับระดับสูง ข้อสันนิษฐานนี้มีความยุติธรรมพอสมควรสำหรับชุดข้อมูลที่ใช้สำหรับ 4AR ( CMIP3เนื่องจากชุดข้อมูลนี้ประกอบด้วยสองสามโมเดลที่รันจากกลุ่มการสร้างแบบจำลองจำนวนมาก (ในทางกลับกันรหัสจะถูกใช้ร่วมกันในชุมชนการสร้างแบบจำลองดังนั้นอาจมีการพึ่งพาซึ่งกันและกัน สำหรับการดูที่น่าสนใจนี้ให้ดู (3)) ชุดข้อมูลสำหรับรายงานการประเมินครั้งต่อไปคือCMIP5ไม่ได้มีคุณลักษณะที่ค่อนข้างบังเอิญ - ทีมการสร้างแบบจำลองบางคนจะส่งการเรียกใช้บางส่วนในขณะที่บางคนจะส่งหลายร้อย วงดนตรีที่มาจากทีมที่แตกต่างกันอาจถูกสร้างขึ้นโดยการทำให้อยู่ในสภาพเริ่มต้นหรือโดยการเปลี่ยนแปลงรูปแบบทางฟิสิกส์และการตั้งชื่อแบบจำลอง ยิ่งไปกว่านั้นวงดนตรีชุดพิเศษนี้ไม่ได้ถูกสุ่มอย่างเป็นระบบ แต่เป็นเพียงผู้ที่นำข้อมูลมาเป็นที่ยอมรับ (ด้วยเหตุผล) เรื่องนี้เป็นที่รู้จักในฐานะ " ชุดของโอกาส " มีโอกาสพอสมควรที่การใช้ค่าเฉลี่ยแบบไม่มีน้ำหนักในชุดดังกล่าวจะทำให้คุณมีอคติที่สำคัญต่อโมเดลที่มีการวิ่งมากขึ้น (แม้ว่าจะมีการวิ่งนับร้อย แต่ก็มีความเป็นอิสระน้อยกว่า)
ผู้บังคับบัญชาของฉันมีกระดาษในการตรวจสอบในขณะนี้การอธิบายกระบวนการของการรวมกันเป็นรูปแบบที่เกี่ยวข้องกับประสิทธิภาพการทำงานและความเป็นอิสระน้ำหนัก มีบทคัดย่อการประชุมที่มีอยู่ (4) ฉันจะโพสต์ลิงก์ไปยังกระดาษเมื่อมีการเผยแพร่ (กระบวนการช้าไม่กลั้นลมหายใจ) โดยทั่วไปบทความนี้จะอธิบายกระบวนการที่เกี่ยวข้องกับการแปรปรวนร่วมของข้อผิดพลาดของแบบจำลอง (model-obs) และการถ่วงน้ำหนักแบบจำลองที่มีความแปรปรวนร่วมสูงกับแบบจำลองอื่น ๆ ทั้งหมด (เช่นแบบจำลองที่มีข้อผิดพลาดขึ้นอยู่กับสูง) ความแปรปรวนของข้อผิดพลาดของแบบจำลองนั้นคำนวณได้เช่นกันและใช้เป็นส่วนประกอบของการถ่วงน้ำหนัก
นอกจากนี้ยังเป็นที่น่าสังเกตว่าการสร้างแบบจำลองสภาพภูมิอากาศได้รับผลกระทบอย่างเห็นได้ชัดอย่างมากจากความหลากหลายของการสร้างแบบจำลองเชิงตัวเลขโดยทั่วไป มีสิ่งหนึ่งที่เรียกว่า"การทดสอบการหัวเราะ" - หากคุณจบลงด้วยแบบจำลองที่แสดงว่าอุณหภูมิเฉลี่ยทั่วโลกจะอยู่ที่ + 20 ° C ภายในปี 2593 คุณแค่โยนมันทิ้งเพราะมันไม่เกี่ยวข้องกับร่างกายอย่างชัดเจน เห็นได้ชัดว่าการทดสอบประเภทนี้ค่อนข้างเป็นอัตวิสัย ฉันยังไม่ต้องการมัน แต่คาดว่าในอนาคตอันใกล้
นั่นคือความเข้าใจของฉันเกี่ยวกับการรวมแบบจำลองรัฐในสาขาของฉันในขณะนี้ เห็นได้ชัดว่าฉันยังคงเรียนรู้อยู่ดังนั้นถ้าฉันทำอะไรเป็นพิเศษฉันจะกลับมาปรับปรุงคำตอบ
(1) Tebaldi, C. & Knutti, R. , 2007. การใช้ชุดหลายแบบในการคาดการณ์สภาพภูมิอากาศน่าจะเป็น ปรัชญาการทำธุรกรรมของราชสมาคม A: คณิตศาสตร์วิทยาศาสตร์กายภาพและวิศวกรรมศาสตร์ 365 (1857), pp.2053-2575
(2) Knutti, R. et al., 2010 การประชุมผู้เชี่ยวชาญ IPCC เรื่องการประเมินและการรวมการจำลองภูมิอากาศแบบจำลองหลายแบบ
(3) Masson, D. & Knutti, R. , 2011. ลำดับวงศ์ตระกูลแบบภูมิอากาศ Geophys Res Lett, 38 (8), p.L08703
(4) Abramowitz, G. & Bishop, C. , 2010 การกำหนดและน้ำหนักสำหรับการพึ่งพาแบบจำลองในการทำนายวงดนตรี ใน AGU Fall Meeting บทคัดย่อ พี 07