Improving Precision in the Reference Velocity of ADCP Measurements Using a Kalman Filter with GPS and Bottom Track
Notice bibliographique
Résumé
Global positioning system (GPS) data are used to measure boat velocity during acoustic Doppler current profiler (ADCP) discharge measurements, particularly when bottom tracking (BT) is biased by moving bed. A Kalman filter is developed to improve the velocity reference used by the ADCP under such conditions. Kalman filtering is a recursive statistical technique that estimates the current state of a process, given various inputs and their variance. In the case of data obtained by ADCP, the availability of two independent velocity measurements and a position measurement makes this method particularly attractive. The new Kalman filter combines raw inputs for GPS position (GGA) and Doppler velocity (VTG) with BT data in real time to produce best estimates of velocity. The technique is evaluated and calibrated using various accuracies of GPS data collected simultaneously along with unbiased BT data at two different sites. On the Gatineau River, real-time kinematic and wide area augmentation system corrections were used for this study. On the Saint Mary’s River, nondifferential GPS was collected. To examine the conditions under which such a system would be required, synthetic data for a moving bed contamination of BT were created. In all moving bed conditions evaluated, the Kalman filter estimates of reference velocity were superior to raw inputs.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».