Seismic Velocities Contain Information About Depth, Lithology, Fluid Content, And Microstructure
Notice bibliographique
Résumé
Recent advances in field and laboratory methods for measuring elastic wave velocities<br>provide incentive and opportunity for improving interpretation of geophysical data for<br>engineering and environmental applications. Advancing the state-of-the-art of seismic imaging<br>requires developing petrophysical relationships between measured velocities and the<br>hydrogeology parameters and lithology. Our approach uses laboratory data and rock physics<br>methods. Compressional (Vp) and shear (Vs) wave velocities, Vp/Vs ratios, and relative wave<br>amplitudes show systematic changes related to composition, saturation, applied stress (analogous<br>to depth), and distribution of clay for laboratory ultrasonic measurements on soils. The artificial<br>soils were mixtures of Ottawa sand and a second phase, either Wyoming bentonite or peat moss<br>used to represent clay or organic components found in natural soils. Compressional and shear<br>wave velocities were measured for dry, saturated, and partially-saturated conditions, for applied<br>stresses between about 7 and 100 kPa, representing approximately the top 5 m of the subsurface.<br>Analysis of the results using rock physics methods shows the link between microstructure and<br>wave propagation, and implications for future advances in seismic data interpretation. For<br>example, we found that Vp in dry sand-clay mixtures initially increases as clay cements the sand<br>grains and fills porosity, but then Vp decreases when the clay content is high enough that the<br>clay matrix controls the elastic response of the material. Vs decreases monotonically with<br>increasing clay content. This provides a method for using Vp/Vs ratios to estimate clay content<br>in a dry soil.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».