Reflection-coefficient inversion for compressional- and shear-wave dispersion in porous and elastic layered media
Notice bibliographique
Résumé
This paper considers Bayesian inversion of seabed reflection-coefficient data for the compressional- and shear-wave velocity dispersion and attenuation-frequency dependence in arbitrarily layered porous and elastic media. The seabed is modeled using Buckingham's viscous grain shearing model which obeys causality. Seabed layers are parametrized in terms of six fundamental parameters, including thickness, porosity, compressional and shear grain-to-grain moduli, material exponent, and the compressional visco-elastic time constant. These fundamental parameters are used to compute density, compressional- and shear-wave dispersion curves, and compressional and shear attenuation-frequency curves for each layer. The curves are used in the inversion to predict spherical-wave reflection coefficients as a function of frequency (300–3000 Hz) and grazing angle (12–75 degrees), which include the effects of shear waves in arbitrarily layered media. In addition, the seabed layering is estimated from the data by applying a trans-dimensional Bayesian model. The ability to resolve shear-wave velocity and attenuation structure is studied using simulated data. Finally, compressional- and shear-wave dispersion are presented and discussed from measured reflection data at a sandy site in the Tyrrhenian Sea. [Work supported by ONR Ocean Acoustics.]
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».