Data-based optimization of a simple shortwave fadeout absorption model
Notice bibliographique
Résumé
Electron density enhancement caused by electromagnetic radiation emitted during a solar X-ray flare has the potential to increase high frequency (HF; 3–30 MHz) absorption in the dayside D-region ionosphere, impacting shortwave radio signals by reducing the signal strength, a phenomenon commonly referred to as shortwave fadeout. Data-based optimization of a simple absorption model is performed incorporating solar X-ray flux data and 30 MHz riometer data from stations distributed across Canada. In a single event study the data-based optimization model is shown to overestimate absorption by 1% for the duration of an X2.1 solar X-ray flare. This corrects an underestimation by the NOAA D-region Absorption Prediction (D-RAP) model. In a statistical study, based on 87 events, data-based optimization performed on an event-by-event basis showed excellent overall agreement between measured and modelled data: the Pearson correlation coefficient was R = 0.88, and the slope of the best-fit line to the data was m = 0.91. A generalized model was developed using data from all 87 events collectively. Although good agreement was found between the measured and modelled data sets, correlation and slope were slightly reduced to R = 0.75 and m = 0.80. Model accuracy is characterized by prediction efficiency (PE) which peaked at PE = 0.78 for the event-by-event evaluation and PE = 0.48 for the collective data set. The results of this study highlight the advantages of data-based optimization in modelling absorption due to shortwave fadeout.
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) | 0,000 | 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 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 ».