MétaCan
Menu
Retour à la cohorte
Enregistrement W2086205518 · doi:10.1121/1.2942982

A comparison of ray, normal-mode, and energy flux results for reverberation in a Pekeris waveguide

2007· article· en· W2086205518 sur OpenAlexaff
Dale D. Ellis, Michael A. Ainslie, C. H. Harrison

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2007
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueUnderwater Acoustics Research
Établissements canadiensDefence Research and Development Canada
Organismes subventionnairesnon disponible
Mots-clésReverberationBenchmark (surveying)WaveguideFlux (metallurgy)Mode (computer interface)Energy fluxAcousticsEnergy (signal processing)ScatteringNormal modeWork (physics)PhysicsComputational physicsComputer scienceOpticsMechanicsMaterials scienceGeology

Résumé

récupéré en direct d'OpenAlex

A number of problems were developed for, and presented at, a 2006 Reverberation Modeling Workshop sponsored by the US Office of Naval Research. The simplest of these known to the participants as Problem 11, was a Pekeris waveguide (isospeed water over a flat bottom half-space) with Lambert bottom scattering. The water depth was 100 m and frequencies of 250, 1,000, and 3,500 Hz were specified. A number of source-receiver combinations were specified, but the reverberation predictions are quite insensitive to sensor depth except at 250 Hz. With some benefit from hindsight and the results from other models, we compare our results from ray, normal-mode, and energy-flux approaches. All three approaches agree at intermediate times, say 3 to 50 s. At short times, the steep-angle paths and fathometer returns cause the mode and energy-flux models to underpredict the reverberation. At longer times, the ray models run out of steam: i.e., there are too many contributing ray paths for them to handle so they underpredict the reverberation. By combining the model predictions together with analytical results from an energy-flux model, we propose a composite benchmark solution. [Work supported in part 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 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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
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)0,0020,001

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 Opus0,027
Tête enseignante GPT0,309
Écart entre enseignants0,282 · 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

Citations1
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

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