MétaCan
Menu
Retour à la cohorte
Enregistrement W1632680364 · doi:10.14288/1.0052738

Inversion of time domain electromagnetic data for the detection of Unexploded Ordnance

2011· article· en· W1632680364 sur OpenAlex
Leonard R. Pasion

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'étudeObservationnel
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 ».

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevuecIRcle (University of British Columbia) · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueGeophysical Methods and Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésUnexploded ordnanceGeologyInversion (geology)Time domainRemote sensingComputer scienceSeismologyComputer vision

Résumé

récupéré en direct d'OpenAlex

Unexploded Ordnance(UXO)discrimination is achieved by extracting parameters from geophysical data that reflect characteristics of the target that generated the measured signal. Model-based parameters are estimated through data inversion, where the optimal parameters are those that produce acceptable agreement between observed and predicted data and satisfy any prior information we have of the target. These parameters are then used as inputs to statistical classification methods to determine the likelihood that the target is, or is not, a UXO. The task of accurately recovering model parameters is more difficult when sensor data are contaminated with geological noise originating from magnetic soils. In regions of highly magnetic soil, magnetometry and electromagnetic sensors often detect large anomalies that are of geologic, rather than of metallic origin. In this thesis I investigate different methods of recovering the dipole polarization tensor from time domain electromagnetic (TEM) data. The different data inversion methods are characterized by the amount of a priori information used. Different a priori information considered include target location and depth estimated from other data sets, and knowledge of the different types of UXO that can be expected at the site. In the first part of this thesis, I assume that the influence of background geology can be removed through a data pre-processing procedures such that the UXO can be assumed to sit in free space. In the second part of this thesis we take a closer look at the influence of viscous remnant magnetization on electromagnetic data. Several software and hardware based approaches are proposed for improving detection and discrimination of UXO in geologically magnetic areas.

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)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,957
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

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

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 Opus0,017
Tête enseignante GPT0,179
Écart entre enseignants0,162 · 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