Development of a lightweight buoyancy vehicle for upper ocean surveys
Notice bibliographique
Résumé
A review of oceanic data collection technologies reveals a predominant focus on upper ocean measurements. There is also a noticeable trend toward autonomous data collection. While traditional profilers are built for extreme pressures and are focused on deep ocean data, we focus on a buoyancy mechanism redesign that aims to create a cost-effective autonomous profiler tailored to the upper ocean. A lightweight and user-friendly upper ocean profiler called the Aurelia Upper Ocean Profiler (UOP), inspired by the Aurelia jellyfish genus, is developed to focus on the top 200 metres of ocean. The proposed buoyancy vehicle is simplified down to bare necessities to create an inexpensive and compact system. It regulates its depth by adjusting its density using an open piston pump and monitoring oceanic pressure differentials. The current design includes wireless communications, a scalable buoyancy engine, and an intuitive interface. The Aurelia UOP’s origins trace back to a 2016 Senior Capstone project led by the first author. In total, the work of five multidisciplinary undergraduate teams and two graduate theses culminated in the Aurelia UOP, a compact 4.5 kg device capable of reaching depths of 50 m. Designed for versatility, it can be programmed via an Android interface using Bluetooth, executing multi-command missions for drifting, profiling, and sensor readings based on user-specified time/depth intervals.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 ».