MétaCan
Menu
← Retour à la cohorte
Enregistrement W2549196207 · doi:10.1121/1.4970734

Doppler sonar measurements of bedload sediment transport: Yes there’s a signal, but can it be quantified?

2016· article· en· W2549196207 sur OpenAlexaff
Len Zedel, Jenna Hare, Alex E. Hay, G. Wilson

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensDalhousie UniversityMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésFlumeSonarBed loadAcoustic Doppler velocimetrySediment transportDoppler effectGeologyFlux (metallurgy)SedimentWave flumeAcousticsMarine engineeringFlow (mathematics)Remote sensingGeomorphologyMechanicsWave propagationLaser Doppler velocimetryPhysicsOceanographyMaterials scienceOpticsEngineering

Résumé

récupéré en direct d'OpenAlex

It has been demonstrated that Doppler sonar measurements of apparent bottom velocity in rivers is correlated with bedload transport. We explore the degree to which this measurement can be quantified using a field deployable multi-frequency (1.2-2.2 MHz), bistatic Doppler sonar system that provides three-component velocity profiles over a ~30 cm interval with ~5 mm resolution at a rate of 50 profiles/sec. Model simulations of system performance demonstrate that the estimates of bed movement are proportional to sediment flux but scaling to actual sediment flux would require an empirical fit. In order to explore the system capability under actual field conditions, a series of experiments was undertaken at the St. Anthony Falls Laboratory (SAFL). The SAFL facility provides a 1.8 m deep, 2.75 m wide flume tank that allows flow rates of order 1 m/s over a mobile bed and where the bedload transport can be measured by sediment traps built into the flume system. We report on preliminary results from trials made at SAFL.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,028
Tête enseignante GPT0,243
Écart entre enseignants0,215 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of America→Même sujetHydrology and Sediment Transport Processes→Travaux en français237 207→