MétaCan
Menu
Retour à la cohorte
Enregistrement W4243621741 · doi:10.32920/ryerson.14644050.v1

Enhancement of CN Tower lightning current derivative signals using a modified power spectral subtraction method

2021· preprint· en· W4243621741 sur OpenAlexaff
Huma Mehmud

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePhysics and Astronomy
ThématiqueLightning and Electromagnetic Phenomena
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésLightning (connector)TowerWaveformNoise (video)SIGNAL (programming language)AcousticsCurrent (fluid)SubtractionComputer sciencePower (physics)MeteorologyElectrical engineeringMathematicsEngineeringPhysicsVoltageArtificial intelligenceStructural engineering

Résumé

récupéré en direct d'OpenAlex

Lightning current measurements are possible using instrumental tall structures or rocket-triggered lightning. The CN Tower has been a source of lightning current data for the past 15 years. A major portion of research on the natural lightning is focused on developing lightning protection systems, and in order to do so, an accurate knowledge of the characteristics of lightning, including the return-stroke current, is required. The CN Tower is a transmission tower and it is expected that the recorded lightning current signals be corrupted with different kinds of noise. This makes it difficult to extract the return-stroke current waveform parameters (peak, 10-90% rise-time to peak, maximum steepness, pulse width etc.) from the measured waveforms. In this project, an over-subtraction and residual noise reduction based power spectral subtraction method has been developed in order to de-noise the lighting return-stroke current derivative signals measured at the CN Tower. In order to evaluate the proposed de-noising technique, the derivative of Heidler function is used to model the measured return-stroke current derivative signal. The measured current derivative signal is simulated using the Heidler derivative model after artificially corrupting it with noise signals measured at the CN Tower in the absence of lightning. A modified spectral substraction method (MSS) is proposed and applied to the de- noise the simulated current derivative signal and the resultant waveform is compared with the Heidler derivative model, which enabled accurate evaluation of the proposed method. The result of the evaluation show a substantial improvement in the signal peak-to-noisepeak ratio(SPNPR) of up to 32 dB depending on the level of vthe noise signal, which is added to the Heidler derivative function. Furthermore, 95.7%-98.5% recovery of the peak of the original Heidler derivative function was obtained. For further evaluation of the new MSS method, the conventional spectral subtraction (SS) method is applied for de-noising the same simulated current derivative signals, which produced a substantially lower SPNPR of up to 16 dB with a peak recovery of 93.3%- 97.5% of the original Heidler derivative model. The poposed method is successfully used to substantially remove the noise from the lightning current derivative signals measured at the CN Tower.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,327
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLightning and Electromagnetic PhenomenaTravaux en français237 207