Towards an algebraic method of solar cycle prediction
Notice bibliographique
Résumé
An algebraic method for the reconstruction and potentially prediction of the solar dipole moment value at sunspot minimum (known to be a good predictor of the amplitude of the next solar cycle) was suggested in the first paper in this series. The method sums up the ultimate dipole moment contributions of individual active regions in a solar cycle: for this, detailed and reliable input data would in principle be needed for thousands of active regions in a solar cycle. To reduce the need for detailed input data, here we propose a new active region descriptor called ARDoR (Active Region Degree of Rogueness). In a detailed statistical analysis of a large number of activity cycles simulated with the 2 × 2D dynamo model we demonstrate that ranking active regions by decreasing ARDoR, for a good reproduction of the solar dipole moment at the end of the cycle it is sufficient to consider the top N regions on this list explicitly, where N is a relatively low number, while for the other regions the ARDoR value may be set to zero. For example, with N = 5 the fraction of cycles where the dipole moment is reproduced with an error exceeding ±30% is only 12%, significantly reduced with respect to the case N = 0, i.e. ARDoR set to zero for all active regions, where this fraction is 26%. This indicates that stochastic effects on the intercycle variations of solar activity are dominated by the effect of a low number of large “rogue” active regions, rather than the combined effect of numerous small ARs. The method has a potential for future use in solar cycle prediction.
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 ».