Reverberation models as an aid to interpret data and extract environmental information
Notice bibliographique
Résumé
Reverberation measurements obtained with towed arrays are a valuable tool to extract information about the ocean environment. Preston pioneered the use of polar plots to display reverberation and superimpose the beam time series on bathymetry maps. As part of Rapid Environmental Assessment (REA) exercises Ellis and Preston [J. Marine Syst. 78, S359–S371, S372–S381] have used directional reverberation measurements to detect uncharted bottom features, and to extract environmental information using model-data comparisons. One enthusiast declared “This is like doing 100 simultaneous transmission loss runs and having the results available immediately.” Though that was clearly an exaggeration and the results are not precise, the approach provides valuable information to direct more accurate and detailed surveys. The early work used range-independent (flat bottom) models for the model-data comparisons, while current work includes a range-dependent model based on adiabatic normal modes. A model has been developed which calculates reverberation from range-dependent bottom bathymetry, echoes from targets and discrete clutter objects, then outputs beam time series directly comparable with measured ones. Recent work has identified interesting effects in sea bottom sand dunes in the TREX experiments. This paper will provide an overview of the earlier work, and examples from the recent TREX experiment.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».