On Optimum Solar Wind‐Magnetosphere Coupling Functions for Transpolar Voltage and Planetary Geomagnetic Activity
Notice bibliographique
Résumé
Abstract Using 65,133 hourly averages of transpolar voltage ( Φ PC ) from observations made over 25 yr by the SuperDARN radars, with simultaneous SML and interpolated am geomagnetic indices, we study their optimum interplanetary coupling functions. We find mean lags of 18, 31, and 45 min for Φ PC , am , and SML , respectively, and fit using a general coupling function with three free fit exponents. To converge to a fit, we need to average interplanetary parameters and then apply the exponent which is a widely used approximation: we show how and why this is valid for all interplanetary parameters, except the factor quantifying the effect of the clock angle of the interplanetary magnetic field, sin d ( θ /2), which must be computed at high time resolution and then averaged. We demonstrate the effect of the exponent d on the distribution, and hence weighting, of samples and show d is best determined from the requirement that the coupling function is a linear predictor, yielding d of 2.50 ± 0.10, 3.00 ± 0.22, and 5.20 ± 0.41 for Φ PC , am , and SML , respectively. To check for overfitting, fits are made to half the available data and tested against the other half. Ensembles of 1,000 fits are used to study the effect of the number of samples on the distribution of errors in individual fits and on systematic biases in the ensemble means. We find only a weak dependence of solar wind density for Φ PC and SML but a significant one for am . The optimum coupling functions are shown to be significantly different for Φ PC , am , and SML .
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 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) | 0,001 | 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».