Notice bibliographique
Résumé
Two gravity gradiometer designs are currently available for commercial survey operations and other instruments are in the late stages of pre-deployment research. These gradiometer systems differ from one another with respect to the number and orientation of sensing accelerometer pairs. There is a need for a theoretical framework to evaluate how these design variations, affect the expected performance of these devicesThree methods of design comparison will be presented: 1) Transformation of noise, a calculation of the degree of noise reduction produced by the method of transforming and combining measured gradient components. 2) Inversion errors, comparison of the degree to which noise induces errors in the values of parameters determined in a parametric inversion calculation. 3) Sensitivity, analysis of the response of each system to a point source and how that source varies as a function of location in 3D space. Each of these methods focuses on a different aspect of the practice of gravity gradiometry. Specifically, noise, inversion and source detection.Analysis will be centered on comparison between the two gravity gradiometer designs manufactured by Lockheed-Martin. The full tensor gradiometer (FTG) and the horizontal partial tensor gradiometer that is part of the Falcon survey system. All three methods predict that in order for these two gradiometer designs to yield equivalent results the noise level of the horizontal partial tensor gradiometer must be less than that of each of the three sub-gradiometers of the FTG by a factor of 3.08.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».