MétaCan
Menu
Retour à la cohorte
Enregistrement W2025282371 · doi:10.1049/ip-rsn:20010383

Evaluation of a weather clutter simulation

2001· article· en· W2025282371 sur OpenAlexafffund
Alan D. Thomson, E. Riseborough

Notice bibliographique

RevueIEE Proceedings - Radar Sonar and Navigation · 2001
Typearticle
Langueen
DomaineEngineering
ThématiqueRadar Systems and Signal Processing
Établissements canadiensDepartment of National Defence
Organismes subventionnairesUniversity of Toronto
Mots-clésClutterRadarWeather radarComputer scienceFidelityRemote sensingSIGNAL (programming language)Set (abstract data type)MeteorologyGeologyTelecommunicationsPhysics

Résumé

récupéré en direct d'OpenAlex

The output of a high-fidelity weather clutter simulation, designed to model low-PRF X-, C-, or S-band phased array radar, is compared with measurements made by three radar systems. The first comparison demonstrates the simulation's ability to replicate real horizon search measurements in terms of various signal properties. The second comparison demonstrates the simulation's ability to generate signals that reflect the vertical dynamic and thermodynamic structure of stratiform precipitation. The third comparison demonstrates the simulation's ability to create weather clutter signals with exotic power spectrum shapes that do exist in nature. In all three cases the simulation output is found to compare well with the real radar measurements. Thus, this simulation is a very good tool for generating realistic weather clutter signals and as such provides a valuable source of data for applications requiring such signals. In addition, this simulation can be used to add controllable weather clutter to existing experimental measurements that may have been affected by weather if it had been present at the time of measurement. This allows the effects of weather clutter to be considered when analysing any experimental data set.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
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)0,0020,000

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 Opus0,024
Tête enseignante GPT0,264
Écart entre enseignants0,239 · 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

Citations0
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEE Proceedings - Radar Sonar and NavigationMême sujetRadar Systems and Signal ProcessingTravaux en français237 207