MétaCan
Menu
Retour à la cohorte
Enregistrement W2079657048 · doi:10.1121/1.4808534

Bayesian geoacoustic inversion in a range-dependent environment

2007· article· en· W2079657048 sur OpenAlexaff
Ross Chapman, Yong‐Min Jiang, Bill Hodgkiss

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2007
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueUnderwater Acoustics Research
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésBathymetryGeologySonarInversion (geology)AcousticsSeabedRange (aeronautics)Ground truthGeodesyWaves and shallow waterContinental shelfChirpRemote sensingOceanographyComputer scienceSeismology

Résumé

récupéré en direct d'OpenAlex

In August 2006 a series of experiments was carried out on the New Jersey continental shelf to investigate geoacoustic inversion in a range-dependent shallow water environment. The experimental site was instrumented with multiple oceanographic sensing systems to provide spatial and temporal ground truth of the ocean environment throughout the experiments. The acoustic experiments used multiple receiving systems and sound sources operating over a large frequency band from 50 to 20 kHz. This paper presents results from inversion of low-frequency (<1000 Hz) data obtained along a radial track from one of the 16-element vertical line arrays. The track was surveyed with a chirp sonar to establish bathymetric and subbottom ground truth. Continuous wave tones were recorded at ranges of 1, 3, and 5 km where the source ship held station for several minutes. Bayesian matched field inversion was applied at each of the sites. The effects of unknown range dependence were taken into account by estimating the data error covariance from multiple data windows at each range station. The inversions indicate that the long-range experimental geometry provided reliable estimates for the sea floor sediment parameters in the range-dependent environment. [Work supported by ONR Ocean Acoustics Team.]

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 enseignants0,936
Score d'incertitude au seuil0,727

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)0,0010,000

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 Opus0,013
Tête enseignante GPT0,233
Écart entre enseignants0,220 · 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

Citations1
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

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