Comparison and combination of matched-field and modal-dispersion inversion for seabed geoacoustic profiles at the New England Mud Patch
Notice bibliographique
Résumé
This paper considers the information content for seabed geoacoustic inversion of recorded acoustic waveforms processed as modal-dispersion (MD) data (mode arrival times as a function of frequency) and matched-field (MF) data (multifrequency complex acoustic fields across a sensor array). These approaches are applied separately and combined in joint inversion, where the MD and MF data sets are derived from the same acoustic recordings collected during the 2017 Seabed Characterization Experiment on the New England Mud Patch. Unlike MD inversion, MF inversion requires knowledge of source and receiver depths, and the complex source spectrum must be estimated as part of the inversion. However, MF inversion is sensitive to seabed attenuation (MD is not) and more easily extended to higher frequencies, where mode filtering for MD data is challenging. Comparison of geoacoustic information content is facilitated here using trans-dimensional Bayesian inversion to sample probabilistically over the number of layers of the seabed model as well as the order of an autoregressive error model. Results indicate MF inversion resolves more detailed geoacoustic structure with smaller uncertainties, including good estimates of the attenuation profile for wideband (20-1504 Hz) inversions.
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 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».