Extrapolation of geoacoustic properties using seismic reflection data: A shallow water example
Notice bibliographique
Résumé
In areas of the world that are bottom limited, sonar performance models require accurate seabed geoacoustic properties. Geoacoustic properties, e.g., sound speed, density, and attenuation as a function of depth, frequency and geographic position, are expensive to acquire over large areas. Most geoacoustic techniques, including direct sampling (e.g., cores, probes) or acoustic inversion methods (e.g., matched field methods) spatially sample either in 1-D or 2-D. Conducting these measurements in a dense grid over large areas is not feasible and as a consequence seabed database developers rely on seismic reflection data coupled with geologic models to spatially interpolate and extrapolate the geoacoustic properties. Seismic reflection data is attractive for this purpose because it has much greater geographic coverage and contains information on underlying geologic processes that ultimately control the geoacoustic properties. The inherent strengths and weaknesses of seismic data for geoacoustic extrapolation are explored using seismic reflection transects in the Straits of Sicily together with ground-truth geoacoustic properties and their uncertainties (from wide-angle reflection measurements) at each end of the transect. The uncertainties of the extrapolated geoacoustic properties are determined with and without the ground-truth data. [Work supported by the Office of Naval Research OA321 and the NATO Undersea Research Centre.]
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».