MétaCan
Menu
Retour à la cohorte
Enregistrement W2146598973 · doi:10.1002/swe.20098

Geomagnetically induced currents in Europe: Characteristics based on a local power grid model

2013· article· en· W2146598973 sur OpenAlexafffund
A. Viljanen, Risto Pirjola, Ernő Prácser, Shabana Ahmadzai, V. Singh

Notice bibliographique

RevueSpace Weather · 2013
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeophysical and Geoelectrical Methods
Établissements canadiensNatural Resources Canada
Organismes subventionnairesNatural Resources CanadaInsinööritieteiden Korkeakoulu, Aalto-yliopistoSähkötekniikan Korkeakoulu, Aalto-yliopisto
Mots-clésGeomagnetically induced currentEarth's magnetic fieldGridGeophysicsGeologyPower (physics)Power gridMeteorologyConductivityGeomagnetic stormMagnetic fieldGeodesyPhysics

Résumé

récupéré en direct d'OpenAlex

We consider the model of the Finnish high‐voltage power grid in 1978–1979, for which the accurate parameters are available for calculating geomagnetically induced currents (GIC). Moving the grid at different locations across Europe gives estimates of GIC levels in this region. For calculating the geoelectric field driving GIC, we use different layered models of the ground conductivity and 1 min geomagnetic data of the year 2003. The results show a clear concentration of large GIC in north Europe, where the peak values are about 3–5 times larger than in Central and South Europe, being up to about 200 A in this specific power grid. There are two factors contributing to this finding. First, geomagnetic variations are generally stronger in the north. Second, there are regions in the north with clearly smaller ground conductivities than typically at other areas. Both of these reasons lead to larger electric fields in the north. A very similar behavior of GIC is found in the case when a single‐layered ground conductivity model is assumed everywhere. We also show that the geographic characteristics of GIC are quite insensitive to the details of the power grid model by modifying various parameters of the Finnish grid.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,222
Écart entre enseignants0,210 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSpace WeatherMême sujetGeophysical and Geoelectrical MethodsTravaux en français237 207