Desenvolvimento de um método de monitoramento de deslizamento de terra alternativo de baixo custo usando dados da Rede GNSS TUSAGA-Aktif
Notice bibliographique
Résumé
Resumo:Os principais objetivos deste trabalho são desenvolver um modelo cinemático análise de deformação para deslizamentos utilizando procedimentos de filtragem de Kalman; e utilizar as observações de TUSAGA-Aktif Rede GNSS na Turquia para determinar os campos de velocidade de uma área de estudo deslizamento de terra na região do Mar Negro oriental da Turquia. Trinta e cinco foram estabelecidos (35) pontos para a determinação de 3-D em tempo velocidades dependentes da área de estudo deslizamentos de terra. Deslocamentos e velocidades de ponto foram determinadas por ponto único modelo cinemático para realizar a análise estatística 3-D, e para avaliar a importância dos deslocamentos de ponto e velocidades usando três observações periódicas de TUSAGA-Aktif Rede. As determinadas velocidades foram usadas para gerar os campos de velocidade da área de deslizamento de terra por três épocas, utilizando Sistema de Informação Geográfica (GIS). Os resultados obtidos indicam que quase todos os pontos monitorados mostrou movimentos significativos, com diferentes magnitudes de velocidades. Foram também determinados os rumos do movimento dos 35 pontos monitorados. Os resultados mostram que as tendências dominantes dos movimentos de deslizamento de terra na área de estudo estão nas direções noroeste e nordeste. Estes resultados estão de acordo com os resultados anteriores obtidos na mesma área de estudo cerca de dez anos atrás
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».