Notice bibliographique
Résumé
abnormal amplitude suppression 156, 159 AcoustiSens fiber 207 air pressure barometric pressure 36 diffusion 37 experimental methods analysis 43-47 Barrier experiment 42 Bourns BPS110 Series 37 Drained experiment 39-43 Dry experiment 38-39 Fill-to-29 experiment 42 Fill-to-42 experiment 39-41 48 experiment 42 LabJack 38 measurement 38 sand-packed column 37 saturated zone 48-50 vadose zone 47, 48 "Alpha" sensor 61 amplitudes 84-86, 85 amplitude spectra 491, 491 Anadarko Basin 514-517, 516 anelastic mechanisms 258 ANN.see artificial neural network anomalous amplitude attenuation (AAA) 184 aquifer thermal energy storage (ATES) systems 387 artificial neural network (ANN) 523 attenuation estimation, methodology for DAS data 271 laboratory measurement acoustic measurements 266-267 poro-perma measurement 266 resonance intensity spectrum 267 sample preparation 266 saturation 266 scattering and intrinsic attenuation 271-273 sonic data 267-268 waveforms 267, 268, 269 surface seismic data 268-271 VSP data 268 MMFS method 268, 269, 270 axial strain to velocity 281-283 Bajiaoting structure 137 Bakken 508-511, 509, 510 ball-activated cemented single point entry sleeves (Ba-cSPES) 514 Barrier experiment 42 beamforming methods 90-91 Bedretto Valley 320, 321 "Beta" sensor 61 Biot-Willis coefficient 44 bond index log (BI) 486 borehole DAS acquisition and processing 580-582 borehole DAS ambient noise 479, 480 borehole DAS imaging algorithm 582-583 borehole DAS instrumentation and modeling 579-580, 584-586 borehole DAS monitoring 583-584 borehole drilling methods 226-227 borehole-driven surface 143, 143 bottom hole assembly (BHA) 316 Brillouin Optical Time Domain Analysis (BOTDA) technique 559 bubble suppression 157, 159 cable-based deployment 133 CADZOW filtering 168 Canadian Dip-in DAS (CanDiD) projects 514, 532-536, 532-
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,883 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».