Ship Motion and Wave Radar Data Fusion for Shipboard Wave Measurement
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Defence Research and Development Canada (DRDC) Atlantic has conducted many dedicated seakeeping and structural load trials on the Canadian Navy research ship CFAV Quest and on several Canadian Navy warships. Typically, wave buoys have been deployed to measure seaway wave characteristics; however, there has been an ongoing interest in evaluating shipboard wave measurement systems. These systems have some advantages over wave buoys for short-term trials and are needed for longer-term sea trials and to provide wave input data for tactical and real-time ship operator guidance systems. This paper presents some of our experiences with wave radar. In the last few years there have been significant advances in wave radar technology (systems that extract wave data from backscatter information contained in the video output of X-band navigational radar displays). Commercial "off-the-shelf" systems are now available. While there is evidence that these systems can provide reliable wave data from shore-based or stationary platform installations, it is DRDC's experience on a ship moving in waves, that wave radars can give good direction and frequency measurements but less reliable wave heights. DRDC has developed a method to improve shipboard wave height measurement through fusion of wave radar data with measured ship motion response data. This paper discusses the development of the wave data fusion process, validated through previous sea trial data, and presents the results of a recent demonstration of the approach during a sea trial conducted on CFAV Quest in November/December 2008.
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.
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 | 0,009 | 0,001 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 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 découle