MétaCan
Menu
Retour à la cohorte
Enregistrement W4404334740 · doi:10.52676/1729-7885-2018-2-144-151

CHARACTERIZING AND MODELLING OCEAN AMBIENT NOISE USING INFRASOUND NETWORK AND MIDDLE ATMOSPHERIC MODELS

2018· article· en· W4404334740 sur OpenAlexaff
Marine De Carlo, Alexis Le Pichon, Fabrice Ardhuin, Sven Peter Näsholm

Notice bibliographique

RevueNNC RK Bulletin · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Waves and Analysis
Établissements canadiensAtomic Energy (Canada)
Organismes subventionnairesnon disponible
Mots-clésInfrasoundNoise (video)Environmental scienceAmbient noise levelGeologyMeteorologyAcousticsOceanographySound (geography)GeographyComputer sciencePhysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Infrasound is one of the technologies of the International Monitoring System (IMS) supporting the verification regime of the Comprehensive Nuclear-Test-Ban Treaty (CTBT). In the frequency band of interest to detect atmospheric explosions, ambient noise may affect detection and particularly ocean noise referred to as microbaroms. Ocean wave interactions generate acoustic noise almost continuously which can obscure signals of interest in their frequency range. The detectability of such noise strongly depends on atmospheric conditions along the propagation paths. Using ocean wave action model developed by IFREMER and considering the effects of general middle-atmospheric products delivered by ECMWF in long-range propagation, microbarom amplitudes and direction of arrivals derived from various propagation models are compared with the observations. With this study, it is expected to enhance the characterization of the ocean-atmosphere coupling. In return, a better knowledge of microbarom sources would allow to better characterize explosive atmospheric events hidden in the ambient noise.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,094
Score d'incertitude au seuil0,629

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,028
Tête enseignante GPT0,196
Écart entre enseignants0,168 · 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 tête enseignante, 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNNC RK BulletinMême sujetSeismic Waves and AnalysisTravaux en français237 207