Vær- og klimaprognoser kan forbedres ved å kombinere forskjellige modeller dynamisk til en såkalt ‘supermodell’. Under simuleringen utveksler modellene informasjon med hverandre. Ved å gripe inn under simuleringen kan feil reduseres på et tidlig stadium, og supermodellen kan få en annen dynamisk oppførsel enn de enkelte modellene. På denne måten kan vanlige feil i modellene fjernes og erstattes av ny, fysisk korrekt adferd. Supermodelleringsframgangsmåten er forskjellig fra standard flermodelsammenstillinger (MME) der modellutdataen bare er kombinert statistisk etter simuleringene. I stedet kan supermodellen følge en bane som er nærmere observasjonene enn de enkelte modellene.
For å få en optimalisert supermodell, må vi vite hvilke modeller vi skal kombinere, og i hvilken grad. Derfor trenger vi å trene supermodellen på grunnlag av historiske observasjoner. En standard opplæringsmetode som kalles minimering av en kostnadsfunksjon krever mange modellsimuleringer, som igjen krever stor regnekraft. Denne avhandlingen har fokusert på å utvikle to nye metoder for å trene supermodeller effektivt. Den første metoden er basert på en idé som kalles kryssbestøvning i tid, hvor modeller utveksler tilstander under opplæringen.
Den andre metoden er en regel basert på synkronisering, opprinnelig utviklet for parameterestimering. Teknikkene har blitt brukt på forskjellige versjoner av den middels komplekse klimamodellen SPEEDO. De historiske observasjonene kommer fra en annen SPEEDO-versjon, og ble endret litt og gjort ufullstendige for å teste anvendeligheten av metodene for reelle observasjoner. Begge treningsmetodene resulterer i supermodeller som overgår både de enkelte modellene og MME, for kortsiktige prognoser så vel som langsiktige simuleringer.
Personalia
Francine Schevenhoven (født i 1992 i Amsterdam, Nederland) har en bachelor- og mastergrad i matematikk fra Universitetet i Utrecht. Hennes masteroppgave ble skrevet under en praksisplass ved det nederlandske meteorologiske instituttet (KNMI). Deretter fortsatte hun studiene i klimavitenskap i en stilling som stipendiat ved Geofysisk institutt fra desember 2016. Veiledere har vært Alberto Carrassi (University of Reading, Storbritannia), Noel Keenlyside (UiB) og Frank Selten (KNMI).