Application of acoustic tomography to reconstruct the horizontal flow velocity field in a shallow river
Notice bibliographique
Résumé
Abstract A novel acoustic tomographic measurement system capable of resolving sound travel time in extremely shallow rivers is introduced and the results of an extensive field measurements campaign are presented and further discussed. Acoustic pulses were transmitted over a wide frequency band of 20–35 kHz between eight transducers for about a week in a meandering reach of theBāsen River, Hiroshima, Japan. The purpose of the field experiment was validating the concept of acoustic tomography in rivers for visualizing current fields. The particular novelty of the experiment resides in its unusual tomographic features: subbasin scale (100 m × 270 m) and shallowness (0.5–3.0 m) of the physical domain, frequency of the transmitted acoustic signals (central frequency of 30 kHz), and the use of small sampling intervals (105 s). Inverse techniques with no a priori statistical information were used to estimate the depth‐average current velocity components from differential travel times. Zeroth‐order Tikhonov regularization, in conjunction with L‐curve method deployed to stabilize the solution and to determine the weighting factor appearing in the inverse analysis. Concurrent direct environmental measurements were provided in the form of ADCP readings close to the right and left bank. Very good agreement found between along‐channel velocities larger than 0.2 m/s obtained from the two techniques. Inverted quantities were, however, underestimated, perhaps due to vicinity of the ADCPs to the banks and strong effect of river geometry on the readings. In general, comparing the visualized currents with direct nodal measurements illustrate the plausibility of the tomographically reconstructed flow structures.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».