Benchmarking geoacoustic inversion methods for range-dependent waveguides
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
Inversion methods have been developed over the past decade to extract information about unknown ocean-bottom environments from acoustic field data. This paper summarizes results from the Office of Naval Research/Space and Naval Warfare Systems Command (SPAWAR) Geoacoustic Inversion Techniques Workshop, which was designed to benchmark present-day inversion methods. The format of the workshop was a blind test to estimate unknown geoacoustic profiles by inversion of synthetic acoustic field data. The fields were calculated using a high-angle parabolic approximation and verified using coupled normal modes for three range-dependent shallow-water test cases: a monotonic slope; a shelf break; and a fault intrusion in the sediment. Geoacoustic profiles were generated to simulate sand, silt, and mud sediments in these environments. Several different approaches for inverting the acoustic field data were presented at the workshop: model-based matched-field methods; perturbation methods; methods using transmission loss data; and methods using horizontal array information. An effective inversion must provide both an estimate of the bottom parameters and a measure of the uncertainty of the estimated values. New methods were presented at the workshop to formalize the measure of uncertainty in the inversion. Comparisons between the different inversions are discussed in terms of a metric-based transmission loss calculated using the inverted profiles. The results demonstrate the effectiveness of present-day inversion techniques and indicate the limits of their capabilities for range-dependent waveguides.
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 | 0,002 | 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 | 0,000 | 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) | 0,000 | 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