MétaCan
Menu
Retour à la cohorte
Enregistrement W2897371767 · doi:10.1121/1.5068652

MUD, the next generation in acoustic backscatter sediment measurements

2018· article· en· W2897371767 sur OpenAlexaffabout
Todd Mudge, Gwyn Lintern, David Lemon, Keath Borg

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueUnderwater Acoustics Research
Établissements canadiensNatural Resources CanadaASL Environmental Sciences (Canada)
Organismes subventionnairesnon disponible
Mots-clésTurbidityEcho soundingGeologyBackscatter (email)InletAcoustic sensorAcousticsTurbidity currentSedimentRemote sensingOceanographyGeomorphology

Résumé

récupéré en direct d'OpenAlex

Detection and classification of sediments within rarely occurring turbidity flows is challenging, in part because of the acoustic absorption and scattering within the dense suspended sediments. A new calibrated acoustic backscatter echosounder, the Multifrequency Ultrasonic Device (MUD™), was deployed from 13 to 16, May 2018, at about 120 m water depth within Bute Inlet, Canada. The MUD prototype (1.2 MHz, 769 kHz and 200 kHz) was deployed in a tautline mooring which included a passive acoustic recorder, an ADCP, CT sensor and OBS sensor. The frequencies for the prototype were selected to allow for a compromise between good acoustic range and penetration into dense flows with the potential for particle size discrimination. Preliminary analysis of the data indicates the presence of three turbidity flows over a two-hour period with speeds of up to 2.5 m/s. As anticipated, the lower frequencies did better in penetrating through the dense turbidity flow. This suggests that it will be possible to use inversion of the acoustic backscatter to estimate sediment concentrations within the dense head of the turbidity flow. Multifrequency inversion techniques will be applied to the less dense portion of the flow to estimate particle size distributions.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,081
Tête enseignante GPT0,286
Écart entre enseignants0,206 · 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
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetUnderwater Acoustics ResearchTravaux en français237 207