MétaCan
Menu
Retour à la cohorte
Enregistrement W4283519535 · doi:10.1306/02072219107

How did the world’s largest submarine fan in the Bay of Bengal grow and evolve at the subfan scale?

2022· article· en· W4283519535 sur OpenAlexaff
Chenglin Gong, Haiqiang Wang, Dali Shao, Hongping Wang, Kun Qi, Xiaoyong Xu

Notice bibliographique

RevueAAPG Bulletin · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeological and Geophysical Studies
Établissements canadiensPetro-Canada
Organismes subventionnairesnon disponible
Mots-clésBENGALBayGeologySubmarineScale (ratio)OceanographyGeographyCartography

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Three individual subfan-growth cycles shown to stack up over time to form the Bengal Fan were recognized. Each of them underwent the following three main evolutionary stages. Stage 1, initial channel incision and amalgamation, was responsible for forming channel-complex sets (CCSs) with lateral trajectories and concomitant amalgamation with low aggradation. Stage 2, vertical channel aggradation and the resultant creation of intrachannel lows, was responsible for generating CCSs with vertical trajectories and concomitant organized stacking with high aggradation. Stage 3, channel avulsion and concomitant upstream propagation of lobes and crevasse splays, was responsible for developing crevasse splays and lobes. These three evolutionary stages constitute a single subfan-growth cycle (i.e., an individual single channel levee--lobe system). An abrupt shift of the channel levee position separates one subfan-growth cycle from the next. Different subfan-growth cycles stacked up over time gave rise to the world’s largest submarine fan in the Bay of Bengal. The pinch-out of lobes and splays onto levees because of the channel avulsion during subfan evolutionary stage 3 created stratigraphiconlap traps with the potential for large hydrocarbon accumulations.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,106
Score d'incertitude au seuil0,210

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,009
Tête enseignante GPT0,170
Écart entre enseignants0,162 · 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'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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAAPG BulletinMême sujetGeological and Geophysical StudiesTravaux en français237 207