MétaCan
Menu
Retour à la cohorte
Enregistrement W2037926121 · doi:10.1121/1.4809047

Benchmark workshop for geoacoustic inversion techniques in range dependent waveguides

2001· article· en· W2037926121 sur OpenAlexaff
Ross Chapman, Stan Chin-Bing, David A. King, Richard B. Evans

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2001
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueUnderwater Acoustics Research
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésInversion (geology)GeologyTransmission lossSynthetic dataAcousticsRange (aeronautics)Waves and shallow waterUnderwaterAlgorithmComputer scienceSeismologyOceanographyPhysicsMaterials science

Résumé

récupéré en direct d'OpenAlex

This paper summarizes the results from the ONR/SPAWAR Geoacoustic Inversion Techniques (IT) Workshop held in May 2001. The format of the workshop was a blind test to estimate unknown geoacoustic profiles by inversion of synthetic acoustic field data for vertical and horizontal array geometries in range dependent shallow water waveguides. The fields were calculated using COUPLE/RAM for three range-dependent test cases: a monotonic slope; a shelf break; and an intrusion in the sediment. Geoacoustic profiles were generated to simulate sand, silt and mud sediment environments. Different approaches for inverting the field data were presented at the workshop: model-based methods based on normal modes, parabolic equation or ray theory; perturbative methods; methods using transmission loss (TL) data; methods using vertical or horizontal array data. The geoacoustic profiles inverted by the different methods are compared using a metric based on calculation of transmission loss using the estimated profiles for geometries and source frequencies that were not used in the inversion. The results demonstrate the effectiveness of present day inversion techniques, and indicate the limits of their capabilities in range dependent environments. [Work supported by ONR.]

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: aucune
Score de désaccord entre enseignants0,892
Score d'incertitude au seuil0,343

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,025
Tête enseignante GPT0,272
Écart entre enseignants0,247 · 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 tête enseignante, 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

Citations2
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

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