MétaCan
Menu
← Retour à la cohorte
Enregistrement W4231521758 · doi:10.5194/osd-7-1-2010

Stochastic heterogeneity mapping around a Mediterranean salt lens

2010· preprint· en· W4231521758 sur OpenAlexaff
Grant Buffett, Charles A. Hurich, Ekaterina Vsemirnova, R. W. Hobbs, Valentı́ Sallarès, R. Carbonell, Dirk Klaeschen, Berta Biescas

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésWavenumberGeologyScale (ratio)Range (aeronautics)Reflection (computer programming)Stochastic modellingStochastic processInternal waveMediterranean seaMediterranean climateStatistical physicsGeometryMathematicsPhysicsOpticsStatisticsCartographyGeographyComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract. We present the first application of stochastic heterogeneity mapping based on the band-limited von Kármán function to a seismic reflection stack of a Mediterranean water eddy (meddy), a large salt lens of Mediterranean water. This process extracts two stochastic parameters directly from the reflectivity field of the seismic data: the Hurst number, which ranges from 0 to 1, and the correlation length (scale length). Lower Hurst numbers represent a richer range of scale lengths and correspond to a broader range of reflection events. The Hurst number estimate for the top of the meddy (0.39) compares well with recent theoretical work, which required values between 0.25 and 0.5 to model internal wave surfaces in open ocean conditions based on simulating a Garrett-Munk spectrum (GM76) slope of −2. Varying stochastic parameters, which correspond to different spectral slopes in the Garrett-Munk spectrum (horizontal wavenumber spectrum), can therefore provide an estimate of different internal wave scales from seismic data alone.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,050
Tête enseignante GPT0,255
Écart entre enseignants0,204 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSeismic Imaging and Inversion Techniques→Travaux en français237 207→