MétaCan
Menu
Retour à la cohorte
Enregistrement W7127783669

NG21A-05 Real-time resolution of instrumental biases using Rao-Blackwellized Particle Filtering

2023· article· en· W7127783669 sur OpenAlexaboutno aff
Benjamin; id_orcid 0000-0002-7998-1037 Reid, David; id_orcid 0000-0003-2567-8187 Themens, Anthony M. McCaffrey, P. Thayyil Jayachandran, Sean Elvidge

Notice bibliographique

RevueUniversity of Birmingham Research Portal (University of Birmingham) · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueIonosphere and magnetosphere dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésData assimilationParticle filterGaussianDimension (graph theory)CalibrationFilter (signal processing)Kalman filterEnsemble forecastingEnsemble Kalman filter
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Particle filters are a non-linear data assimilation technique which use an ensemble of states to approximate the posterior density of the modelled geophysical system. While particle filters have nearly unparalleled flexibility to handle non-linear and non-Gaussian measurements, states, and errors, this comes at a cost of require comparatively large ensemble sizes when compared to other ensemble techniques. When the instruments which provide data to the model are subject to biases or calibration errors, each additional bias to be corrected adds another dimension to the state space, reducing the sampling efficiency of the entire ensemble. As the maximum ensemble size is generally limited by computational cost, this can create the perverse situation where adding additional observations decreases the performance of the data assimilation. Rao-Blackwellized particle filtering presents an efficient solution to this problem, allowing for the analytical solution of a conditionally linear Gaussian subset of the state space with minimal computational cost. This technique has been demonstrated successfully in two operational particle filter data assimilation models, the regional Assimilative Canadian High Arctic Ionospheric Model (A-CHAIM) and the global, real-time ionosphere/plasmasphere model Advanced Ionospheric Data Assimilation (AIDA). These models rely on the thousands of Global Navigation Satellite System (GNSS) receivers which provide an integrated measurement of electron density, but are subject to time-varying hardware-specific biases. The biases produced by these models will be compared to independently-derived values, and the improvement in model performance will be demonstrated.

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)0,004
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: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,048
Tête enseignante GPT0,280
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
GenreMéthodes

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 revueUniversity of Birmingham Research Portal (University of Birmingham)Même sujetIonosphere and magnetosphere dynamicsTravaux en français237 207