Convergent data sharpening for the identification and tracking of spatial temporal centers of lightning activity
Notice bibliographique
Résumé
Abstract This study presents an exploratory analysis of Ontario lightning and fire ignition data . Our main goal is to relate forest fire ignitions to lightning stroke occurrences. However, due to the sheer volume of the lightning data, as well as accuracy and missing data issues, changes to the data are required prior to any such investigation. Planning to employ cluster‐based point‐process methods in future lightning‐caused fire ignition models, we wish to cluster the lightning strokes in space‐time. The data used is © 1992, 1994, 1997, Queen's Printer for Ontario, Canada, and was referenced under agreement with the Ontario Ministry of Natural Resources. We propose a mode‐seeking clustering algorithm that is based on a convergent form of ‘data sharpening’ methods. Data sharpening is based on local constant regression and was introduced as a bias‐reduction method in kernel density estimation. Data sharpening nudges observations closer to their nearest local mode(s) at each iteration. We propose to iterate the algorithm until convergence, showing that the data will converge to either local or global modes. The usefulness of the algorithm in the lightning context is threefold: first, the lightning data can be reduced to corresponding local spatial‐temporal modes; second, slight modifications result in a noise‐reduction method that can be applied to estimate short‐term spatial track(s) of lightning storm system(s); third, the sharpened data provide a means for a bootstrap‐based simulation of spatial lightning strike patterns. Numerical examples and comments on the algorithm's appropriateness related to the lightning application appear throughout. The study concludes by noting some of the further work to be done. Copyright © 2006 John Wiley & Sons, Ltd.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».