A Combination Prediction Model of Long-Term Ionospheric foF2 Based on Entropy Weight Method
Notice bibliographique
Résumé
It is critically meaningful to accurately predict the ionospheric F2 layer critical frequency (foF2), which greatly limits the efficiency of communications, radar, and navigation systems. This paper introduced the entropy weight method to develop the combination prediction model (CPM) for long-term foF2 at Darwin (12.4° S, 131.5° E) in Australia. The weight coefficient of each individual model in the CPM is determined by using the entropy weight method after completing the simulation of the individual model in the calibration period. We analyzed two sets of data to validate the method used in this study: One set is from 2000 and 2009, which are included in the calibration period (1998-2016), and the other set is outside the calibration cycle (from 1997 and 2017). To examine the performance, the root mean square error (RMSE) of the observed monthly median foF2 value, the proposed CPM, the Union Radio Scientifique Internationale (URSI), and the International Radio Consultative Committee (CCIR) are compared. The yearly RMSE average values calculated from CPM were less than those calculated from URSI and CCIR in 1997, 2000, 2009, and 2017. In 2000 and 2009, the average percentage improvement between CPM and URSI is 9.01%, and the average percentage improvement between CPM and CCIR is 13.04%. Beyond the calibration period, the average percentage improvement between CPM and URSI is 13.2%, and the average percentage improvement between CPM and CCIR is 12.6%. The prediction results demonstrated that the proposed CPM has higher precision of prediction and stability than that of the URSI and CCIR, both within the calibration period and outside the calibration period.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».