A Cost-Efficient, Highly Modifiable Borehole Tilt Sensor for Borehole Geophysical Studies
Notice bibliographique
Résumé
We present a cost-efficient tilt sensor that was originally developed by our team at Dartmouth College to study ice deformation as part of the Jarvis Glacier Project, and we showcase our successful initial run that includes the development, deployment, and data collection processes. In this case study, we installed our tilt sensor system in two boreholes drilled close to the lateral shear margin of Jarvis Glacier in Alaska and successfully collected over 16 months of uninterrupted borehole deformation data in a harsh polythermal glacial environment. The data included gravity and magnetic data that we used to track the orientation of our sensors in the boreholes over time, and the resultant kinematic measurements enabled us to compute borehole deformation. While our sensors were applied under polythermal thermal regime conditions, we present use cases for our sensors in a variety of glacier thermal regimes including Athabasca glacier, a temperate glacier in Canada, and in Antarctic regions with similar polythermal regimes such as ice streams and outlet glaciers. Sensors embedded in our tilt sensors can be modified to suit different needs, and the tilt sensor can also be modified for different boreholes and glacier conditions. Our goal is to improve the accessibility of borehole geophysics research mainly through supporting production efforts of our sensor for various research needs. With an established sensor development plan, successful applications in the field, and years of experience, our team is open to potential research collaborations with researchers who are interested in using our tilt sensors. Our team is working with Polar Research Equipment, a Dartmouth alumni founded company that specializes in the development of polar research tools, that will serve as a commercial resource for researchers who may require support during the development process or mass-production of our cost-efficient (~20% the price of other commercial versions) yet effective tilt sensors.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».