Quantifying multifrequency acoustic characterization accuracy for icemodel development applications
Notice bibliographique
Résumé
Abstract. Multi-frequency acoustic profiling is critically examined to estimate accuracies currently attainable in characterizing frazil suspensions: with primary interests focused on measuring fractional ice volume, a key factor in river ice growth models. The central issue is the adequacy of representations of backscatter cross sections of disk shaped frazil particles in a well-established theory of elastic spherical targets. An initial investigation established criteria for the existence of three-frequency solutions capable of providing lognormal statistical descriptions in terms of effective radii. These criteria restricted analyses of available field data with such models to inputs at two-frequencies limiting outputs to: a common effective radius, particle number density and frazil volume. Additional frazil cross section information is shown to be required to more fully exploit the full capability of multi-frequency profiling. An approximate relationship between cross sections and the product of acoustic wavenumbers and particle effective radii (k1ae) is developed from laboratory polystyrene disk and sphere data and transformed into the natural ice environment. Field data within the transformed range is transposed to higher frequencies in order to allow testing at still larger field values of k1ae. Two-frequency analyses utilizing the resulting “pseudo-frazil” relationship confirmed a close match with the field data and increased compatibility with existence criteria for three-frequency solutions. The results showed that, within transducer calibration limits, the originally tested spherical backscattering extractions consistently under-estimate frazil ice volume concentrations by 25 % confirming its continued use for accurate estimates in conjunction with a constant scaling factor of about 1.25.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; 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 ».