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 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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».