Extreme Value Analysis of Induced Geoelectric Field in South Africa
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 minimumSYM‐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 magnitudeΣE) shares a highly linear relationship with accumulatedSYM‐Hover each event. The index ΣEis 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 × 104 mV/km min and 1.09 × 105 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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».