The major drawback of climate mean

The major drawback of climate mean bias correction is the need for a long training dataset, and since a reforecast works best with a frozen model, the database must be completely rebuilt whenever the model is updated, which requires large computing resources. In this way, routine improvements to the model are incorporated in the reforecast-based products as soon as they are implemented. However, due to the good performance of the climate mean bias correction, the current reforecast ensemble uses an old low-resolution version of the model system and it is worth the effort to generate the reforecast dataset and apply it to the ensemble postprocessing. NCEP has plans with ESRL/PSD to jointly implement a real-time hindcast experiment in the 2011–12 time frame and utilize additional resources to generate a set of historical ensemble reforecasts (20 yr). The operational forecast model will be applied to the reforecast configurations. Our postprocessing study will benefit from this new high-resolution reforecast dataset. Using the reforecast dataset, we will be able to test our postprocessing methodology and compare it with the calibration method developed by ESRL/PSD. New bias-correction methods developed under The Observing System Research and Predictability Experiment (THORPEX) project will also be considered for use in the NAEFS statistical postprocessing system.

ผลลัพธ์ (ไทย) 1:

ข้อเสียเปรียบหลักของสภาพภูมิอากาศหมายถึง การแก้ไขที่ตั้งไม่จำเป็นสำหรับการฝึกอบรมยาวชุดข้อมูล และเนื่องจาก reforecast ที่ได้ผลดีที่สุดกับแบบแช่แข็ง ฐานข้อมูลต้องถูกทั้งหมดสร้างทุกรูปแบบมีการปรับปรุง ที่ต้องการทรัพยากรระบบคอมพิวเตอร์ขนาดใหญ่ ด้วยวิธีนี้ ปรับปรุงแบบประจำจะรวมอยู่ในผลิตภัณฑ์ตาม reforecast ทันทีที่ดำเนินการ อย่างไรก็ตาม เนื่องจากประสิทธิภาพของการแก้ไขตั้งหมายถึงสภาพภูมิอากาศที่ดี ปัจจุบัน reforecast วงดนตรีใช้รุ่นสนับสนุนเก่าของระบบรูปแบบ และคุ้มค่าความพยายามในการสร้างชุดข้อมูล reforecast และนำไปใช้กับ postprocessing วงดนตรี NCEP มีแผนกับ ESRL/PSD ไปใช้ทดลองจริง hindcast ในกรอบเวลา 2011-12 ร่วมกัน และใช้ทรัพยากรเพิ่มเติมเพื่อสร้างชุดของวงดนตรีประวัติศาสตร์ reforecasts (20 ปี) แบบจำลองการคาดการณ์การดำเนินงานจะใช้การตั้งค่าคอนฟิก reforecast ศึกษาของ postprocessing จะได้รับประโยชน์จากชุดข้อมูลนี้มีความละเอียดสูง reforecast ใหม่ ใช้ชุดข้อมูล reforecast เราจะสามารถทดสอบวิธีของ postprocessing และเปรียบเทียบกับวิธีการปรับเทียบที่พัฒนา โดย ESRL/PSD วิธีการแก้ไขความโน้มเอียงใหม่พัฒนาขึ้นภายใต้โครงการสังเกตระบบการวิจัยและทดลองแอพพลิเคชัน (THORPEX) จะได้รับการพิจารณาสำหรับการใช้ในระบบ postprocessing สถิติ NAEFS

ผลลัพธ์ (ไทย) 2:

อุปสรรคที่สำคัญของสภาพภูมิอากาศหมายถึงการแก้ไขอคติคือความจำเป็นในการฝึกอบรมชุดยาวและตั้งแต่ reforecast ทำงานได้ดีที่สุดกับรูปแบบแช่แข็งฐานข้อมูลจะต้องสร้างขึ้นมาใหม่เมื่อใดก็ตามที่รูปแบบที่มีการปรับปรุงที่ต้องใช้ทรัพยากรคอมพิวเตอร์ที่มีขนาดใหญ่ ด้วยวิธีนี้การปรับปรุงประจำรุ่นจะรวมอยู่ในผลิตภัณฑ์ของ reforecast ตามทันทีที่พวกเขาจะดำเนินการ แต่เนื่องจากผลการดำเนินงานที่ดีของสภาพภูมิอากาศหมายถึงการแก้ไขอคติทั้งมวล reforecast ปัจจุบันใช้รุ่นความละเอียดต่ำเก่าระบบรูปแบบและมันเป็นสิ่งที่คุ้มค่าความพยายามในการสร้างชุดข้อมูลที่ reforecast และใช้มันไป postprocessing ชุด NCEP มีแผนกับ ESRL / PSD เพื่อร่วมกันดำเนินการในเวลาจริงทดลอง hindcast ในกรอบเวลาที่ 2011-12 และใช้ประโยชน์จากทรัพยากรเพิ่มเติมในการสร้างชุดของ reforecasts ชุดประวัติศาสตร์ (20 ปี) รูปแบบการดำเนินงานที่คาดการณ์จะถูกนำไปใช้กับการกำหนดค่า reforecast การศึกษา postprocessing ของเราจะได้รับประโยชน์จากความละเอียดสูงชุด reforecast ใหม่ การใช้ชุดข้อมูลที่ reforecast ที่เราจะสามารถที่จะทดสอบวิธีการ postprocessing ของเราและเปรียบเทียบกับวิธีการสอบเทียบที่พัฒนาโดย ESRL / PSD วิธีการแก้ไขอคติใหม่ภายใต้การพัฒนาวิจัยระบบสังเกตการณ์และการคาดการณ์การทดลอง (THORPEX) โครงการยังจะได้รับการพิจารณาสำหรับการใช้งานในระบบ postprocessing สถิติ NAEFS

ผลลัพธ์ (ไทย) 3:

ข้อเสียเปรียบหลักของการแก้ไขอคติหมายถึงภูมิอากาศมีความต้องการชุดข้อมูลฝึกนานและตั้งแต่ reforecast เหมาะกับรูปแบบแช่แข็ง ฐานข้อมูลต้องสร้างใหม่อย่างสมบูรณ์เมื่อใดก็ตามรูปแบบอัพเดทซึ่งต้องใช้ทรัพยากรคอมพิวเตอร์ขนาดใหญ่ วิธีนี้ขั้นตอนการปรับปรุงรูปแบบจะรวมอยู่ในผลิตภัณฑ์ reforecast ขึ้นทันทีที่ใช้ อย่างไรก็ตามเนื่องจากประสิทธิภาพที่ดีของภูมิอากาศหมายถึงคติแก้ไข , วงดนตรี reforecast ในปัจจุบันการใช้ความละเอียดต่ำเก่ารุ่นของระบบรูปแบบและก็คุ้มค่าความพยายามที่จะสร้าง reforecast DataSet และใช้กับวงดนตรีโพรเซสซิ่งนิคการแพทย์มีนัดกับ esrl / PSD เพื่อร่วมกันดำเนินการทดลอง hindcast เรียลไทม์ใน 2011 – 12 กรอบเวลาและใช้ทรัพยากรเพิ่มเติมเพื่อสร้างชุดของประวัติศาสตร์ทั้งมวล reforecasts ( 20 ปี ) การคาดการณ์การดำเนินงานรูปแบบนี้จะใช้กับ reforecast การกําหนดค่า การศึกษาซึ่งของเราจะได้รับประโยชน์จาก reforecast ข้อมูลใหม่ความละเอียดสูง .การใช้ reforecast วันที่เราจะสามารถทดสอบวิธีการข้างหลังของเราและเปรียบเทียบกับวิธีการที่พัฒนาขึ้นโดยการ esrl / PSD วิธีการแก้ไขตั้งค่าใหม่พัฒนาขึ้นภายใต้การสังเกตระบบการวิจัยและการคาดการณ์การทดลอง ( thorpex ) โครงการจะพิจารณาเพื่อใช้ใน naefs สถิติซึ่งระบบ