Trans-dimensional inversion for seafloor properties for three mud depocenters on the New England shelf under dynamical oceanographic conditions
Notice bibliographique
Résumé
This paper presents inversion results for three datasets collected on three spatially separated mud depocenters (hereafter called mud ponds) during the 2022 Seabed Characterization Experiment (SBCEX). The data considered here represent modal time-frequency (TF) dispersion as estimated from a single hydrophone. Inversion is performed using a trans-dimensional (trans-D) Bayesian inference method that jointly estimates water-column and seabed properties along with associated uncertainties. This enables successful estimation of the seafloor properties, consistent with in situ acoustic core measurements, even when the water column is dynamical and mostly unknown. A quantitative analysis is performed to (1) compare results with previous modal TF trans-D studies for one mud pond but under different oceanographic condition, and (2) inter-compare the new SBCEX22 results for the three mud ponds. Overall, the estimated mud geoacoustic properties show no significant temporal variability. Further, no significant spatial variability is found between two of the mud ponds while the estimated geoacoustic properties of the third are different. Two hypotheses, considered to be equally likely, are explored to explain this apparent spatial variability: it may be the result of actual differences in the mud properties, or the mud properties may be similar but the inversion results are driven by difference in data information content.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».