An Adaptive Forecasting Method for Ionospheric Critical Frequency of <i>F</i>2 Layer
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 To achieve further improvements in quantitative predictability, a chaos‐based adaptive forecasting method for the critical frequency of the F 2 layer ( f o F 2 ) is proposed for the development of an ionospheric forecasting technique for one hour ahead. This method has three new characteristics. (1) It is based on Volterra filters and it has a simplified structure with easy implementation. (2) Based only on past measured data, it can forecast f o F 2 values without the requirement for past or forecast values of any solar and geomagnetic indices. (3) It can achieve high forecast accuracy with a small training dataset of 27 days (one solar rotation period). Diurnal, seasonal, and annual comparisons of measured and forecasted f o F 2 values are presented to illustrate the applicability and suitability of the proposed method. Statistical results reveal that the f o F 2 values calculated using the proposed model are consistent with the trend of measurements irrespective of whether geomagnetic conditions are quiet or disturbed. The average RMSE and RRMSE values were 0.86 MHz and 17.36%, respectively, when using measured data from periods of past 27 days during 2008–2015. The proposed method has potential to forecast other ionospheric characteristic parameters, and that it could achieve satisfactory regional or global 1‐hr forecasting if combined with a spatial reconstruction technique.
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 | 0,001 |
| Science ouverte | 0,000 | 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