MétaCan
Menu
← Retour à la cohorte
Enregistrement W4389083846 · doi:10.1121/10.0023338

Underwater noise from submarine turbidity currents

2023· article· en· W4389083846 sur OpenAlexaff
Alex E. Hay, Matthew Hatcher, John E. Clark

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeological formations and processes
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésTurbidity currentSubmarineNoise (video)Current (fluid)Environmental scienceGeologyUnderwaterAmbient noise levelTurbidityDebrisParticle image velocimetryTurbulenceHead (geology)AcousticsPhysicsOceanographyMechanicsGeomorphologySound (geography)

Résumé

récupéré en direct d'OpenAlex

Submarine landslides and associated turbidity currents can be orders of magnitude larger than their terrestrial equivalents. Their prevalence globally is hugely underrepresented by in situ observations. In addition to their importance in mass transport and morphologic change they can pose significant threat to coastal communities and subsea infrastructure. This presentation focusses on noise measurements from turbidity currents flowing down the face of a fjord delta and how they can inform the use of passive acoustics as a tool for future observations of these under sampled phenomena. Noise was measured underwater at frequencies from 1 to 1200 kHz. The noise spectra are consistent with sound generation by collisions among sand-sized particles within the turbidity current, also known as acoustic sediment-generated noise or SGN. The spectra from the leading head of the current extend to higher frequencies than those from the trailing body, indicating that collisions were between finer-grained particles in the head and coarser-grained particles in the body. Noise intensity increased 100-fold for a two-fold increase in current head speed, consistent with the expected collision rate for granular materials in the high-flow gas-like phase and highly turbulent particle-laden flows.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

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 savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,024
Tête enseignante GPT0,240
Écart entre enseignants0,216 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of America→Même sujetGeological formations and processes→Travaux en français237 207→