MétaCan
Menu
Retour à la cohorte
Enregistrement W1985437871 · doi:10.1121/1.4900314

Using physical oceanography to improve transmission loss calculations in undersampled environments

2014· article· en· W1985437871 sur OpenAlexaff
Cristina Tollefsen, Sean Pecknold

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2014
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueUnderwater Acoustics Research
Établissements canadiensDefence Research and Development Canada
Organismes subventionnairesnon disponible
Mots-clésSubmarine pipelineMoment (physics)GeologyTransmission lossTemperature salinity diagramsEnvironmental scienceForcing (mathematics)ReverberationTransmission (telecommunications)MeteorologyOceanographySalinityClimatologyAcousticsComputer sciencePhysicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

The vertical sound speed profile (SSP) is a critical input to any acoustic propagation model. However, even when measured SSPs are available they are frequently noisy “snapshots” of the SSP at a single moment in time and space and do not fully capture changes such as solar heating and wind-driven mixing that can significantly affect shallow water propagation on time scales of less than a day. Furthermore, SSPs measured in the field may not extend to the ocean bottom and are often based on measured profiles of temperature with an implicit assumption of constant salinity. In April–May 2013, the Target and Reverberation Experiment (TREX) was conducted in the Northeastern Gulf of Mexico near Panama City, Florida, a region strongly affected by local wind forcing, freshwater inputs, and the presence of a warm-core Gulf of Mexico Loop Current eddy ("Eddy Kraken") offshore of the experimental site. “Synthetic” SSPs were constructed for the trial area by combining knowledge of the physical oceanography and water masses in the area with the measured SSPs that were available. Transmission loss was modelled using both synthetic and measured SSPs and the results will be compared with measured transmission loss.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,023
Tête enseignante GPT0,272
Écart entre enseignants0,249 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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 ».

En bref

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetUnderwater Acoustics ResearchTravaux en français237 207