MétaCan
Menu
Retour à la cohorte
Enregistrement W4403914861 · doi:10.1142/s0219477525500191

Multifractal Detrended Fluctuation Analysis, Cross-Correlation and Clustering of Global 7Be Activity Concentration

2024· article· en· W4403914861 sur OpenAlexaboutno aff
Samuel Ogunjo

Notice bibliographique

RevueFluctuation and Noise Letters · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueComplex Systems and Time Series Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMultifractal systemDetrended fluctuation analysisStatistical physicsCluster analysisCorrelationStatisticsPhysicsMathematicsEconometricsFractalMathematical analysis

Résumé

récupéré en direct d'OpenAlex

Daily [Formula: see text] activity concentrations data across 21 global locations between 2010 and 2017 from the Comprehensive Nuclear-Test-Ban Treaty Organization (CTBTO) were analyzed using multifractal formalism. The multifractal detrended fluctuation analysis revealed that [Formula: see text] distribution across the 21 locations are multifractal ([Formula: see text]) with a wide range of fractal exponents. The observed multifractality was found to be statistically significant except at two locations (RN45 and RN47). The multifractal strength ([Formula: see text]) and Holder’s exponent ([Formula: see text]) were used to group the locations into 3 clusters with K-means algorithm. The relationship between [Formula: see text] and five drivers (Southern Oscillation Index — SOI, North Atlantic Oscillation — NAO, Total Sunspot number — Tot_SN, Northern hemisphere Sunspot number — NH_SN and Southern hemisphere sunspot number — SH_SN) was investigated using multifractal detrended cross-correlation analysis. The multifractal cross-correlation between [Formula: see text] and drivers was found to be 0.06–0.21(SOI), 0.08–0.23 (NAO), 0.04–0.27 (Tot_SN), 0.05–0.25 (NH_SN) and 0.04–0.27 (SH_SN). NAO was found to be the strongest driver of [Formula: see text]. The location, RN16 in Yellowknife Canada, showed strong cross-correlation with the five drivers.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,248
Écart entre enseignants0,232 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFluctuation and Noise LettersMême sujetComplex Systems and Time Series AnalysisTravaux en français237 207