Extreme Value Analysis of Induced Geoelectric Field in South Africa
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
Abstract Extreme geomagnetic disturbances occur rarely but can have great impact on technological systems such as power supply networks. Long‐term planning for extreme events requires the estimation of event impact for occurrence periods greater than the length of observed data. With this in mind an analysis of extreme geomagnetic events observed in South Africa (middle geomagnetic latitude) is performed over four solar cycles (1974–2015). An algorithm to identify active periods with minimum S Y M ‐ H ≤−100 nT is demonstrated. The sum of induced electric field over the course of each event is used to characterize the severity of each active period. It is found that the severity index (accumulated electric field magnitude Σ E ) shares a highly linear relationship with accumulated S Y M ‐ H over each event. The index Σ E is lognormal distributed, with tail deviating greater than lognormal, confirming heavy‐tailed occurrence. A general Pareto distribution is fitted to the tail of the distribution and extrapolated to calculate the return levels of extreme events. Return levels of once in 100 and once in 200 year events are estimated to be 9.4 × 10 4 mV/km min and 1.09 × 10 5 mV/km min, respectively. The top three events, in ascending order of severity, are the March 1989 storm, the events of late October 2003, and the April 1994 event—a long interval of coronal‐hole driven disturbances, bookended by two intense geomagnetic storms.
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 | 0,000 | 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) | 0,004 | 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