MétaCan
Menu
Retour à la cohorte
Enregistrement W2979708161 · doi:10.1109/oceanse.2019.8867053

Studying wave-current interaction by HF radar

2019· article· en· W2979708161 sur OpenAlexaff
Yuming Zeng, Hao Zhou, Weimin Huang, Biyang Wen

Notice bibliographique

RevueOCEANS 2019 - Marseille · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Waves and Remote Sensing
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésCurrent (fluid)RadarWind waveWave radarOcean currentGeologySurface waveAcousticsRemote sensingRefractionRadar imagingContinuous-wave radarPhysicsComputer scienceTelecommunicationsOpticsOceanography

Résumé

récupéré en direct d'OpenAlex

Improved understanding of the wave-current interaction can lead to better descriptions of ocean wave or wind and more precise designs of ocean engineering. High-frequency (HF) radar, as an important ocean remote sensing tool, can measure large-area currents and wave parameters simultaneously. Here, the first-order spectrum power (FSP) of HF radar is used to study the wave-current interaction. The frequency shift of the first-order spectrum is combined with its power to indicate the relationship between current and wave. The effects of current on the Bragg wave in different sea areas are presented by analyzing the FSP change with current vector (FSP-current distribution). The FSP-current distribution in deep water is very similar to the theoretical distribution of two-dimensional wave-current; while, the wave-current interaction over a relatively shallow shelf is stronger and more complicated. Experimental results illustrate the potential of HF radar in studying the wave-current interaction and show that the wave-current interactions in deep water mainly belong the two-dimensional oblique model (refraction case).

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,213
Écart entre enseignants0,199 · 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

Citations10
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOCEANS 2019 - MarseilleMême sujetOcean Waves and Remote SensingTravaux en français237 207