Validating Ionospheric Models Against Technologically Relevant Metrics
Notice bibliographique
Résumé
Abstract New, open access tools have been developed to validate ionospheric models in terms of technologically relevant metrics. These are ionospheric errors on GPS 3D position, HF ham radio communications, and peak F‐region density. To demonstrate these tools, we have used output from Sami is Another Model of the Ionosphere (SAMI3) driven by high‐latitude electric potentials derived from Active Magnetosphere and Planetary Electrodynamics Response Experiment, covering the first available month of operation using Iridium‐NEXT data (March 2019). Output of this model is now available for visualization and download via https://sami3.jhuapl.edu . The GPS test indicates SAMI3 reduces ionospheric errors on 3D position solutions from 1.9 m with no model to 1.6 m on average (maximum error: 14.2 m without correction, 13.9 m with correction). SAMI3 predicts 55.5% of reported amateur radio links between 2–30 MHz and 500–2,000 km. Autoscaled and then machine learning “cleaned” Digisonde NmF2 data indicate a 1.0 × 1011 el. m3 median positive bias in SAMI3 (equivalent to a 27% overestimation). The positive NmF2 bias is largest during the daytime, which may explain the relatively good performance in predicting HF links then. The underlying data sources and software used here are publicly available, so that interested groups may apply these tests to other models and time intervals.
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 | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».