如何定位
- 不倾向于在线比较，而倾向于提供资源共享平台
后台策略
- 数据检索与缓存：模型运行耗时耗力，可以跑出几个基础版的数据存储起来，在有同样需求时不必运行直接下载。
标准数据集
- NetCDF
- 不同时空分辨率
- 转换结果缓存
- 用户参与数据转换
- CLU marre ERA
- 预处理、后处理程序串联
门户细节修改
- 模型详情页，不用展示详细IO
- task中预先算一遍基础版
- Issue detail
- 帖子
- 作者联系方式
- 关联入 ms
- 时间分辨率
- 空间分辨率
- 空间范围手动输入
- 以计算为核心，加入计算实例资源库
- 搜索页面
- 提供可配置（时空范围，输出要素）的下载
比较
- 只做简单比较，详细比较下载下来自己做
- 提供二进制文件下载或转换程序与标准数据
- 回归，相关性，斜率，趋势
- 机器学习的值为真值
资源的接入，模型分类
- 可以改成配置式的：IBIS
- 外部配置类的：BGC
- 写死的
参考资源
- CMIP5
- CLU marre ERA
- 标准要素数据库：每个模型的描述里的要素和标准库映射在一起
- 模型调用，每个模型有一个运行配置生成脚本
- IO，拍扁
- 模型调参：（各人各个人的方法，页面上用户可选择调参数方法），MCMC 马尔科夫链
集成社区
- 每个人有一个模块
- 有一个人负责组装
- 模块可以替换
- 模型相当于一棵树，一个模块相当于一个枝干
