Modeling Geomagnetically Induced Currents Using Geomagnetic Indices and Data
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
The possibilities of forecasting geomagnetically induced currents (GIC) in power transmission networks are dependent on the success in modeling these currents. To provide a valuable user-oriented forecast, modeling and proper evaluation of the models using GIC data is important. Many forecasts of geomagnetic storms are presented in terms of geomagnetic indices. Using the GIC data from measuring sites on three power systems in aurora and subauroral regions we estimate the correlation of 3-hourly peak GIC with global geomagnetic indices (3-h ap) and 1 h peak GIC with hourly magnetic range and peak dB/dt values. Geomagnetic 1-min data were used with physics-based and empirical models of the earth and power system response to calculate GIC. These calculated GIC were tested by determining the correlation with measured GIC. Our results show that local geomagnetic indices are better correlated with peak GIC values than are global indices in describing GIC. Correlation coefficients for local (global) indices are 0.9 (0.8) for two subauroral sites and 0.8 (0.7) for an auroral site. Tests of the correlation between 1 min dB/dt or calculated electric field values with measured GIC show a strong directional sensitivity. The direction of peak correlation is different at different sites and is consistent with the direction of power lines. Correlation coefficients for datasets of peak 1-h or 3-h values were higher than for 1-min datasets. This shows that there is a closer relationship between the "envelopes" of geomagnetic disturbances and GIC than between the detailed variations themselves.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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