Data assimilation for the two-dimensional shallow water equations: Optimal initial conditions for tsunami modelling
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Accurate modelling of tsunami waves requires complete boundary and initial data, coupled with the appropriate mathematical model. However, necessary data is often missing or inaccurate, and may not have sufficient resolution to capture the dynamics of such nonlinear waves accurately. We demonstrate that variational data assimilation for the continuous shallow water equations (SWE) is a feasible approach for recovering initial conditions. We showed that the necessary conditions for reconstructing one-dimensional initial conditions in Kevlahan et al. (2019) can be extended to the maximum Euclidean distance between pairwise observations to two-dimensions. We use Sadourny finite-difference finite volume simulations to verify convergence to the true initial conditions can be achieved for observations arranged in multiple configurations, for both isotropic and anisotropic initial conditions, and with realistic bathymetry data in two dimensions. We compare observations arranged in straight lines, in a grid, and along concentric circles, and assess the optimal number and configuration of observation points such that convergence to the true initial conditions is achieved. These idealised results with simplified two-dimensional geometry are a first step towards more physically realistic settings. Recent advances in altimetry observation data now permit much denser measurements of sea surface height than is possible with a fixed buoy network. This provides the opportunity to use the method developed here for more accurate tsunami forecasts in realistic settings.
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.
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 | 0,002 | 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 | 0,000 |
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 découle