MétaCan
Menu
Retour à la cohorte

Uncertainty Evaluations on the Measurement of “Carbon” in the Research on Karst Carbon Sink Effect - A Case for Dissolved Inorganic Carbon

2013· article· en· W2049896728 sur OpenAlexaff
Wen Yue Du, Jian Yu, Shixiao Yu

Notice bibliographique

RevueApplied Mechanics and Materials · 2013
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAnalytical Chemistry and Sensors
Établissements canadiensCanadian Association of General Surgeons
Organismes subventionnairesnon disponible
Mots-clésGroundwaterDissolved organic carbonCalibrationKarstPropagation of uncertaintyUncertainty analysisMeasurement uncertaintyCalibration curveCarbon fibersSoil scienceEnvironmental scienceObservational errorStatisticsMathematicsAlgorithmChemistryEnvironmental chemistryGeotechnical engineeringGeologyDetection limit

Résumé

récupéré en direct d'OpenAlex

In order to set up an evaluation method for the uncertainty in determining dissolved inorganic carbon (DIC) in karst river basin by Non-dispersive Infrared (NDIR) absorption detection technique, the continuous propagation model of uncertainty is used to evaluating the uncertainties from DIC measurement in two typical karst groundwater samples. The main steps are as follows: to fit the calibration curve by means of double-error regression firstly; and then to quantify each uncertainty component in the evaluation process; lastly to obtain the synthetic uncertainty model for DIC determination results. Calculations through experimental results show that: (1) the main sources of measurement uncertainty derive from the sub-uncertainties of calibration solutions, calibration curve fitting and measurements process; (2) the lower the DIC content in groundwater samples, the greater the relative uncertainty of measurement results, and the sub-uncertainty from the fitting of calibration curve gives one major contribution to the total uncertainty.

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)0,010
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,023
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0020,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,062
Tête enseignante GPT0,305
Écart entre enseignants0,243 · 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'étudeExpérimental (laboratoire)
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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Mechanics and MaterialsMême sujetAnalytical Chemistry and SensorsTravaux en français237 207