MétaCan
Menu
Retour à la cohorte
Enregistrement W4390713557 · doi:10.23977/jeeem.2023.060515

Multibeam bathymetry optimization problem based on geometric modeling and simulated annealing

2023· article· en· W4390713557 sur OpenAlexvenueno aff
Wenjing Shi, Chong Xie, Zhi Huang

Notice bibliographique

RevueJournal of Electrotechnology Electrical Engineering and Management · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBathymetrySimulated annealingDepth soundingSeafloor spreadingEcho soundingGeologySeabedGeodesyUnderwaterGeometryRemote sensingAlgorithmComputer scienceMathematicsGeophysicsOceanography

Résumé

récupéré en direct d'OpenAlex

Echo sounding is a technique commonly used in marine bathymetry to measure the depth and topography of water bodies. This paper combs the development process of echo sounding technology, briefly describes the principle of multibeam bathymetry, and its application in ocean bathymetry and water conservancy engineering. In order to get the optimized scheme of the survey line in the rectangular sea area, this paper firstly draws a spatial 3D scatter plot using the attached data to observe the general shape of the seabed surface. Then, polynomial fitting is utilized to fit the surface to all points to obtain the surface equation. From the scatter plot, it can be seen that the seafloor slope is relatively gentle, and if the formula for the coverage width when the seafloor slope is horizontal can be used for calculation, the model will be greatly simplified. The programming in this paper verifies the reasonableness of the conjecture, so the simplified formula can be used for subsequent calculations. In order to determine the number of survey lines, a simulated annealing algorithm was used, and finally, we designed 31 parallel survey lines in the north-south direction, with a total length of 155 nautical miles, and the omitted sea area accounted for 1.71% of the total area to be surveyed, and in the overlapping area, the overlap rate of the part of the overlap rate of more than 20% had a total length of zero.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,005
Tête enseignante GPT0,197
Écart entre enseignants0,192 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Electrotechnology Electrical Engineering and ManagementMême sujetRemote Sensing and LiDAR ApplicationsTravaux en français237 207