Stratified multifractal magnetization and surface geomagnetic fields-II. Multifractal analysis and simulations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In Paper I, we showed how anisotropic scaling spectral (second‐order) models of the magnetization (M) were realistic at both high‐ and intermediate‐wavenumber regimes of the surface magnetic field (B). However, in order to produce full stochastic M and surface B models, we need assumptions about statistical moments other than second order. The usual approach is to assume quasi‐Gaussian statistics so that all the statistical moments are scaling according to a single exponent. The corresponding fields are monofractal. All structures—both weak and strong—have the same unique fractal dimension, there are no strong anomalies and there are no intermittent transitions from one strata or region to another; such assumptions are quite unrealistic. Using seven surface B surveys, we show that the data are, on the contrary, multifractal, and we characterize their multifractal parameters in both the high‐ and intermediate‐wavenumber regimes with the help of universal multifractal exponents. Using anisotropic (stratified) multifractal models, we deduce the M statistics and produce M and surface B simulations with all statistical exponents quite near to those of the observed surface B field; they are also visually realistic, showing anomalies at all scales. Finally, we analyse the horizontal anisotropy of the surface B fields and use this to infer the M statistics. This enables us to produce anisotropic 3‐D M, B models with more realistic texture and morphology of structures. We conclude that both multifractality and scaling anisotropy are indispensable for realistic geophysical models.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle