MétaCan
Menu
Retour à la cohorte
Enregistrement W1892968877 · doi:10.1190/geo2014-0617.1

Relative location of microseismicity

2015· article· en· W1892968877 sur OpenAlexaff
Vladimir Grechka, Alejandro De La Peña, Estelle Schisselé‐Rebel, É. Auger, P. Roux

Notice bibliographique

RevueGeophysics · 2015
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensVirtual Materials Group (Canada)
Organismes subventionnairesnon disponible
Mots-clésMicroseismParaxial approximationRay tracing (physics)GeologyEvent (particle physics)GeodesySeismologyAlgorithmComputer scienceOpticsPhysicsAstrophysics

Résumé

récupéré en direct d'OpenAlex

Applying the two-point paraxial ray tracing, we develop a technique for relative location of microseismic events. Our technique assumes the availability of a perforation shot or an already located microseismic event, termed the master, for which the paraxial ray tracing has been performed. The ray-tracing output for the master makes it possible to compute the relative locations of adjacent microseismic events, as many as a data set contains, with an efficient algorithm that requires no additional ray tracing and reduces to solving a series of simple, low-dimensional and well-behaved optimization problems. The relative event-location approach discussed in our paper is especially well suited for surface microseismic monitoring because the high accuracy of the paraxial ray approximation in the directions orthogonal to the reference rays, typically spanning the stimulated horizons for surface microseismic geometries, ensures the calculation of precise event hypocenters at appreciable distances from the master. Also, since our computations operate with differences of the recorded times of microseismic events rather than with the times themselves, inaccuracies in static corrections for surface receiver stations are largely eliminated. We test the relative location technique on synthetic and field microseismic data to demonstrate its accuracy, computational efficiency, and insensitivity to velocity errors.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,022
Tête enseignante GPT0,220
Écart entre enseignants0,198 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations42
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysicsMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207