Evaluating the sensitivity of low-frequency ground-penetrating radar attributes to estimate ballast fines in the presence of variable track foundations through simulation
Notice bibliographique
Résumé
The sensitivity of three low-frequency (<1 GHz) ground-penetrating radar attributes commonly used to infer the amount of fines present within railway ballast was evaluated using synthetic datasets. Variations in ballast thickness, saturation, and subballast material type are not often considered during laboratory or small-scale (few kilometres of track) field studies. If ground-penetrating radar were to be applied as a ballast degradation detection tool on a subdivision (hundreds of kilometres) scale, it is critical to assess the impact variations these track foundation conditions will have on the inferred amount of fines present within the ballast. In this analysis, a two-layer (ballast and subballast) track foundation model was incorporated into a series of ground-penetrating radar simulations where the physical dimensions and electromagnetic properties of the model were systematically varied. It was through the electromagnetic properties that the volumetric amount of fines and moisture present within the ballast and the type of subballast material were altered. The ground-penetrating radar response of each model was simulated using a finite-difference time-domain solver for Maxwell’s equations (gprMax). The amount of fines present in the ballast was then inferred through attributes calculated from the synthetic ground-penetrating radar measurements and related to the known model input. This comparison revealed that ambiguities in the ground-penetrating radar attribute amplitudes were common. Specific ground-penetrating radar attribute amplitudes could not be uniquely associated with the known amounts of fines present within the ballast as the other conditions in the track foundation (ballast saturation, ballast thickness, and subballast material) were varied. As such, a quantitative and reliable estimation for the amount of fines present within ballast using ground-penetrating radar measurements over large scales would be difficult without first constraining the variability in the track foundation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».