Fast computation of seabed spherical-wave reflection coefficients in geoacoustic inversion
Notice bibliographique
Résumé
This paper develops a fast numerical approach to computing spherical-wave reflection coefficients (SWRCs) for layered seabeds, which provides substantial savings in computation time when used as the forward model for geoacoustic inversion of broadband seabed reflectivity data. The approach exploits the Sommerfeld-integral representation of SWRCs as the Hankel transform of a function proportional to the plane-wave reflection coefficient (PWRC), and applies Levin integration to the rapidly oscillating integrand cast as the product of a (pre-computed) media-independent matrix and a vector involving PWRCs at a sparse sampling of integration angles. Compared to conventional Simpson's rule integration for computation of the SWRC, the Levin integration yields speed-up factors of an order of magnitude or more. Further, it results in reduced memory requirements for storage of pre-computed quantities, a desirable property when a graphics processing unit (GPU) is used for parallel computation of SWRCs. The paper applies trans-dimensional Bayesian inversion to investigate the impact of forward modeling in terms of PWRCs and SWRCs on the estimation of geoacoustic parameters and uncertainties. Model comparisons are quantified in simulated- and measured-data inversions by comparing the estimated geoacoustic parameters to the true parameters or core measurements, respectively, and by calculating the deviance information criterion for model selection.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».