有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
cemachelen/LIFD_Magnetic_Field_Data|磁测量数据集|磁学数据集
收藏hugging_face2023-12-04 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/cemachelen/LIFD_Magnetic_Field_Data
下载链接
链接失效反馈资源简介：
LIFD Magnetic Fields数据集基于gufm1模型，该模型是一个基于球谐函数的全球地磁模型，覆盖了1590年至1990年的数据。数据集的结构为三维数组，分别表示纬度、经度和时间，其值为地核-地幔边界处的径向磁场强度。数据集的创建使用了Python包Chaosmagpy。
提供机构：
cemachelen
原始信息汇总
数据集概述
- 名称: LIFD Magnetic Fields
- 语言: 英语
- 许可证: MIT
- 多语言性: 单语种
- 源数据集: gufm1 model
- 任务类别:
- 特征提取
- 图像到图像转换
- 时间序列预测
- 目标检测
- 无条件图像生成
- 具体任务: 多变量时间序列预测
数据集详细信息
-
数据结构:
- 维度: (181, 361, 401)
- 轴代表: 余纬度、经度、时间
- 值: 核心-地幔边界（半径3485km）的径向磁场，单位为nT
- 余纬度值: 0,1,2,3,…180（度）
- 经度值: -180,-179,….180（度）
- 时间: 每年，从1590年到1990年
-
数据集创建:
- 转换工具: Chaosmagpy Python包
- 原始模型: 转换为物理空间和时间中的离散数据集
-
许可证信息: MIT许可证
数据集来源
- 模型描述: gufm1模型是一个基于球谐函数的全球地磁模型，覆盖1590年至1990年，详细描述见出版物:
- 作者: Andrew Jackson, Art R. T. Jonkers, Matthew R. Walker
- 出版年份: 2000
- 出版物: “Four centuries of geomagnetic secular variation from historical records”, Phil. Trans. R. Soc. A.358957–990
- DOI: 10.1098/rsta.2000.0569
AI搜集汇总
数据集介绍
构建方式
LIFD磁场数据集的构建，是将基于球谐函数的guhm1全球地磁模型在物理空间和时间上离散化，利用Python包Chaosmagpy完成数据转换。该数据集包含从1590年至1990年间的地磁 secular variation 数据，其维度为(181, 361, 401)，分别代表赤道到极点的角度、经度和年份，数据值为地幔-地核边界处的径向磁场强度（单位：纳特斯拉）。
特点
本数据集的特点在于其时间跨度长，覆盖了四百年的地磁变化历史，为研究地球磁场长期变化提供了宝贵资料。同时，数据集以MIT许可开放，保证了研究者的使用自由。数据集的维度结构便于进行时间序列分析和空间分布特征的研究，适用于特征提取、图像到图像转换、时间序列预测、目标检测和无条件图像生成等多种任务。
使用方法
在使用LIFD磁场数据集时，用户需首先安装Chaosmagpy Python包以处理数据。数据集可通过LIFD DataSets主页或GitHub仓库获取。用户需遵循MIT许可协议，正确引用数据集来源。数据集可用于多种地球科学领域的研究，如地磁模型构建、长期变化趋势分析等，具体使用方法需结合具体研究任务进行数据预处理和分析。
背景与挑战
背景概述
LIFD Magnetic Field Data数据集，源自全球地磁模型gufm1，由Andrew Jackson，Art R. T. Jonkers和Matthew R. Walker等研究人员于2000年通过历史记录构建，旨在研究地磁场的长期变化。该数据集涵盖了1590至1990年间每年地磁场在地球内核-地幔边界的径向磁场强度，为地磁学、地球物理学等研究提供了宝贵的时序数据资源，对理解地球内部的物理过程具有重要的科学价值。
当前挑战
该数据集在构建过程中，面临的主要挑战包括如何准确地将gufm1模型转换为物理空间和时间上的离散数据集，以及如何保证数据的时间连续性和空间分辨率。在使用过程中，研究人员需克服如何高效地从数据集中提取特征，进行图像到图像的转换，以及如何利用这些数据进行时间序列预测和对象检测等问题。此外，数据集的多元时间序列预测任务也是当前研究中的一个难点。
常用场景
经典使用场景
在地球物理领域，LIFD Magnetic Field Data数据集是一部极为重要的资源。该数据集基于guhm1模型，涵盖1590至1990年间全球地磁场的球形谐波模型。其经典使用场景主要在于对地磁场的时间序列进行特征提取，从而为地磁场的多变量时间序列预测提供基础数据。
解决学术问题
该数据集解决了地磁场长期变化趋势分析及 secular variation 预测的学术难题。通过对历史数据的深入分析，研究者能够揭示地磁场的长期变化模式，对于理解地球内部结构、地磁 reversal 机制等具有深远意义。
衍生相关工作
基于此数据集，研究者已衍生出一系列相关研究工作，包括但不限于地磁场模型改进、地球内部结构分析以及古地磁学领域的研究。这些工作进一步拓展了我们对地球磁场变化规律的认识，推动了地球物理学的发展。
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
学生课堂行为数据集 (SCB-dataset3)
学生课堂行为数据集(SCB-dataset3)由成都东软学院创建，包含5686张图像和45578个标签，重点关注六种行为：举手、阅读、写作、使用手机、低头和趴桌。数据集覆盖从幼儿园到大学的不同场景，通过YOLOv5、YOLOv7和YOLOv8算法评估，平均精度达到80.3%。该数据集旨在为学生行为检测研究提供坚实基础，解决教育领域中学生行为数据集的缺乏问题。
arXiv 收录
CE-CSL
CE-CSL数据集是由哈尔滨工程大学智能科学与工程学院创建的中文连续手语数据集，旨在解决现有数据集在复杂环境下的局限性。该数据集包含5,988个从日常生活场景中收集的连续手语视频片段，涵盖超过70种不同的复杂背景，确保了数据集的代表性和泛化能力。数据集的创建过程严格遵循实际应用导向，通过收集大量真实场景下的手语视频材料，覆盖了广泛的情境变化和环境复杂性。CE-CSL数据集主要应用于连续手语识别领域，旨在提高手语识别技术在复杂环境中的准确性和效率，促进聋人与听人社区之间的无障碍沟通。
arXiv 收录
UniProt
UniProt（Universal Protein Resource）是全球公认的蛋白质序列与功能信息权威数据库，由欧洲生物信息学研究所（EBI）、瑞士生物信息学研究所（SIB）和美国蛋白质信息资源中心（PIR）联合运营。该数据库以其广度和深度兼备的蛋白质信息资源闻名，整合了实验验证的高质量数据与大规模预测的自动注释内容，涵盖从分子序列、结构到功能的全面信息。UniProt核心包括注释详尽的UniProtKB知识库（分为人工校验的Swiss-Prot和自动生成的TrEMBL），以及支持高效序列聚类分析的UniRef和全局蛋白质序列归档的UniParc。其卓越的数据质量和多样化的检索工具，为基础研究和药物研发提供了无可替代的支持，成为生物学研究中不可或缺的资源。
www.uniprot.org 收录
Subway Dataset
该数据集包含了全球多个城市的地铁系统数据，包括车站信息、线路图、列车时刻表、乘客流量等。数据集旨在帮助研究人员和开发者分析和模拟城市交通系统，优化地铁运营和乘客体验。
www.kaggle.com 收录
MedDialog
MedDialog数据集（中文）包含了医生和患者之间的对话（中文）。它有110万个对话和400万个话语。数据还在不断增长，会有更多的对话加入。原始对话来自好大夫网。
github 收录