Lessons learned from predictions of Solar Cycle 24
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
Solar Cycle 24 has almost faded and the activity of Solar Cycle 25 is appearing. We have learned much about predicting solar activity in Solar Cycle 24, especially with the data provided by SDO and STEREO. Many advances have come in the short-term predictions of solar flares and coronal mass ejections, which have benefited from applying machine learning techniques to the new data. The arrival times of coronal mass ejections is a mid-range prediction whose accuracy has been improving, mostly due to a steady flow of data from SoHO, STEREO, and SDO. Longer term (greater than a year) predictions of solar activity have benefited from helioseismic studies of the plasma flows in the Sun. While these studies have complicated the dynamo models by introducing more complex internal flow patterns, the models should become more robust with the added information. But predictions made long before a sunspot cycle begins still rely on precursors. The success of some categories of the predictions of Solar Cycle 24 will be examined. The predictions in successful categories should be emphasized in future work. The SODA polar field precursor method, which has accurately predicted the last three cycles, is shown for Solar Cycle 25. Shape functions for the sunspot number and F10.7 are presented. What type of data is needed to better understand the polar regions of the Sun, the source of the most accurate precursor of long-term solar activity, will be discussed.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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