MétaCan
Menu
Retour à la cohorte
Enregistrement W4237865220 · doi:10.1121/1.4800718

Analysis of the vertical structure of deep ocean noise using measurements from the SPICEX and PhilSea experiments

2013· article· en· W4237865220 sur OpenAlexaff
Kathleen E. Wage, Mehdi Farrokhrooz, Matthew A. Dzieciuch, Peter F. Worcester

Notice bibliographique

RevueProceedings of meetings on acoustics · 2013
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueUnderwater Acoustics Research
Établissements canadiensUniversité de Montréal
Organismes subventionnairesOffice of Naval Research
Mots-clésAmbient noise levelNoise (video)GeologyAcousticsWater columnNoise measurementFocus (optics)Deep waterWind speedNoise reductionSound (geography)Computer scienceOceanographyPhysicsOpticsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

There are open research questions about the vertical structure of low-frequency ambient noise in deep water.For example Gaul et al.'s [IEEE JOE, 2007] analysis of the Church Opal data set showed that noise decreases substantially (on the order of 20 dB) below the critical depth, whereas other researchers have reported more modest reductions [Morris, JASA, 1978].Two deep water experiments provided a unique opportunity to measure ambient noise using large vertical arrays.In 2004-2005 SPICEX used two arrays to sample a North Pacific environment.One array was centered on the sound channel axis, and the other array had hydrophones above and below the critical depth.In 2010-2011, the PhilSea experiment deployed a single array with 150 hydrophones spanning the full water column.Both experiments made repeated short measurements (each 2-3 minutes long) of the field at the arrays.This talk compares the ambient noise observed during SPICEX and PhilSea with results reported in the literature.Since these data sets contain receptions over the period of a year, we focus on the seasonal dependence of the noise field.In addition to investigating noise level as a function of depth, we consider wind dependence and vertical directionality.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,417
Score d'incertitude au seuil0,384

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,034
Tête enseignante GPT0,257
Écart entre enseignants0,223 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations7
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of meetings on acousticsMême sujetUnderwater Acoustics ResearchTravaux en français237 207