Aşağıda, sorunuzun yalnızca "birden çok modeli birleştirme ile ilgili en iyi uygulamalar" kısmına değinen sol alanın biraz dışında bir cevap var . Kaos ve gürültü - iklim modelleri sergileyen karmaşık, oldukça doğrusal olmayan modellerle uğraşmam dışında, bu temelde onur tezim. Bunun pek çok alanda geniş çapta uygulanması mümkün değildir, ancak ekoloji veya ekonometride yararlı olabilir.
İklim modelleme topluluğunda oldukça yakın zamana kadar, modeller büyük ölçüde ağırlıksız bir ortalamada bir araya getirilmişti (genellikle örnek süresinin bir kısmı veya tamamı için model ortalamasının kaldırılmasını içeren önyargı düzeltmesinden sonra ). IPCC'nin 4. değerlendirme raporu (4AR) ve önceki raporlar için yaptığı şey budur.
Bu, gözlemsel serilerin (örn. Küresel sıcaklık, yerel yağış, vb.) Kesin ve açık bir şekilde varsayıldığı ve yeterince örnek alırsanız, topluluk gerçeğinin aşağı yukarı " doğruluk artı hata " okulunun bir örneğidir . (örn. model çalışır), modeldeki gürültü iptal edilir (bkz. (1)).
Daha yakın zamanlarda, performans ağırlıklandırmasına dayalı modelleri birleştirme yöntemleri kullanılmıştır. İklim modelleri çok gürültülü olduğu ve çok fazla değişken ve parametreye sahip olduğu için, performansı (bildiğim) değerlendirmenin tek yolu kovaryans almak veya model çıktısı ile gözlemlenen zaman serileri arasında MSE almaktır. Modeller daha sonra ortalamanın bu ölçüye göre ağırlıklandırılmasıyla birleştirilebilir. (2) 'de buna iyi bir genel bakış vardır.
Bu simülasyonları birleştirme yönteminin arkasındaki bir varsayım, modellerin hepsinin makul derecede bağımsız olduğu varsayımıdır - bazıları oldukça bağımlıysa, ortalamayı saptırırlardı. Bu varsayım, 4AR ( CMIP3) için kullanılan veri kümesi için oldukça adil idi , çünkü bu veri seti birçok modelleme grubundan birkaç model çalışmasından oluşuyordu (diğer yandan, kod modelleme topluluğunda paylaşılıyor, bu yüzden hala bazı bağımlılıklar olabilir. Buna ilginç bir bakış için, bkz. (3)) Bir sonraki değerlendirme raporu CMIP5 için veri seti, bu biraz tesadüfi bir özelliğe sahip değil - bazı modelleme ekipleri birkaç koşu sunarken, bazıları yüzlerce gönderecek. Farklı ekiplerden gelen topluluklar, başlangıçtaki durum denetimi veya model fiziği ve parametreleme değişiklikleri ile üretilebilir. Ayrıca, bu süper topluluk herhangi bir sistematik şekilde örneklenmemiştir - sadece veri getiren kimdir (akıl içinde). Bu alanda "bir fırsat topluluğu " olarak bilinir . Böyle bir toplulukta ağırlıksız bir ortalama kullanmanın, daha fazla koşuya sahip modellere doğru bazı büyük önyargılara gitmesi için adil bir şans var (yüzlerce koşu olmasına rağmen, muhtemelen çok daha az sayıda gerçekten bağımsız koşu var).
Yöneticimin şu anda, performans VE bağımsızlık ağırlıklandırmasını içeren bir model kombinasyonu sürecini tanımlayan bir makalesi var . Bir konferans bildirisi özeti var (4), yayınlandığında makalenin bağlantısını yayınlayacağım (yavaş süreç, nefesinizi tutmayın). Temel olarak, bu makale, model hatalarının (model-obs) kovaryansının alınmasını ve diğer tüm modellerle yüksek kovaryansa sahip modellerin (yani oldukça bağımlı hatalara sahip modellerin) ağırlıklandırılmasını içeren bir süreci açıklamaktadır. Model hatası sapması da hesaplanır ve performans ağırlıklandırma bileşeni olarak kullanılır.
İklim modellemenin, genel olarak sayısal modellemenin kaprislerinden açıkça etkilendiğini de belirtmek gerekir. "Gülme testi" denilen bir şey var - eğer küresel ortalama sıcaklıkların 2050 yılına kadar + 20 ° C olacağını ima eden bir model çalışmasıyla sonuçlandırırsınız, çünkü fiziksel olarak uygun değildir. Açıkçası bu tür testler oldukça özneldir. Henüz talep etmedim, ama yakın gelecekte olmasını bekliyorum.
Bu, şu anda kendi alanımdaki devlet modeli kombinasyonunu anlamam. Açıkçası hala öğreniyorum, bu yüzden özel bir şeye çarparsam, geri döneceğim ve bu cevabı güncelleyeceğim.
(1) Tebaldi, C. ve Knutti, R., 2007. Çok modelli topluluğun olasılıklı iklim projeksiyonlarında kullanımı. Kraliyet Toplumunun Felsefi İşlemleri A: Matematik, Fiziksel ve Mühendislik Bilimleri, 365 (1857), s.2053-2075.
(2) Knutti, R. ve ark., 2010. IPCC Çok Modelli İklim Projeksiyonlarının Değerlendirilmesi ve Birleştirilmesi Konusunda Uzmanlar Toplantısı.
(3) Masson, D. & Knutti, R., 2011. İklim modeli şecere. Kurultayı. Res. Leton, 38 (8), sayfa L08703.
(4) Abramowitz, G. ve Bishop, C., 2010. Topluluk tahmininde model bağımlılığının tanımlanması ve ağırlıklandırılması. AGÜ Güz Toplantısı Özetleri. s. 07.