Statistical Analysis of Pre‐earthquake Electromagnetic Anomalies in the ULF Range
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 Assessing the statistical significance of electromagnetic anomalies in the ultralow frequency (ULF) range observed prior to earthquakes is a necessary step toward determining whether these perturbations constitute actual earthquake precursors. A statistical epoch analysis (SEA) was recently performed by Han et al. (2014, https://doi.org/10.1002/2014JA019789 ) to analyze earthquakes happening between 2001 and 2010 near the geomagnetic observatory of Kakioka, Japan; the authors found a significant number of anomalies 6 to 15 days prior to the earthquake day within 100 km from Kakioka, while no significant pre‐earthquake activity was observed for the farther region 100 to 216 km from the observatory. In this current paper, we describe the application of our independent software implementation of their method. Despite using a different outlier rejection scheme, we manage to approximate their results. Upon validation of our program, we conduct multiple sensitivity studies. First, we explore how different outlier rejection schemes impact the results. We then restrict the analysis to only mantle earthquakes, highlighting a marginally significant number of anomalies prior to the earthquake day. Next, we test a higher band‐pass filter than the one initially used but find no anomalous pre‐earthquake activity in this higher‐frequency band. We then use a different catalog to establish the list of qualifying “earthquake days” which also leads the anomalous pre‐earthquake episode to vanish, thus raising concerns about the robustness of the results. Finally, we apply the SEA to another time window, ranging from 2013 to 2018: No significant pre‐earthquake episode can be observed for this interval. We conclude our study by providing guidelines for upcoming work.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| 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 | 0,001 |
| 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