MétaCan
Menu
Retour à la cohorte
Enregistrement W6898791217 · doi:10.57757/iugg23-4537

Activities of the JWG 4.3.4 - Validation of VTEC models for high-precision and high resolution applications

2023· article· en· W6898791217 sur OpenAlexaff

Notice bibliographique

RevuePublication Database GFZ (GFZ German Research Centre for Geosciences) · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueGNSS positioning and interference
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésVTECGNSS applicationsConsistency (knowledge bases)SatelliteHigh resolutionIonosphereCalibrationNowcasting

Résumé

récupéré en direct d'OpenAlex

<!--!introduction!--><b></b> The global and regional ionospheric maps are often used for a wide range of applications in geosciences, in particular to support precise positioning, but also for geophysical and atmospheric studies. There are currently many analysis centers and research groups providing operational and test VTEC maps. However, IGS ACs and other groups use different mathematical models and estimation techniques resulting different resolutions, accuracies and time delays of their products. Therefore, there is a need to compare and validate existing VTEC models. In this presentation, we present the overview talk about the work within the last 4 years of the IAG Joint Working Group (JWG 4.3.4) on validation of VTEC models for high-precision and high resolution applications. Among others, we evaluated (1) the accuracy and consistency of the IAAC GIMs during high and low solar activity periods of the 24th solar cycle, (2) the accuracy the two most popular ionospheric mapping functions - SLM and MSLM, (3) deterministic and stochastic approaches to VTEC modelling, (4) GIMs performance in single point and precise point positioning GNSS applications, (5) the accuracy and consistency of GNSS-derived VTEC maps and empirical models, (6) GIMs performance using external data (JASON) and GNSS, (7) the accuracy of new global ionosphere models.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,716
Score d'incertitude au seuil0,340

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,056
Tête enseignante GPT0,332
Écart entre enseignants0,276 · 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 tête enseignante, 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePublication Database GFZ (GFZ German Research Centre for Geosciences)Même sujetGNSS positioning and interferenceTravaux en français237 207