MétaCan
Menu
Retour à la cohorte
Enregistrement W1984323018 · doi:10.1190/geo2014-0280.1

The coherency of ambient seismic noise recorded during land surveys and the resulting implications for the effectiveness of geophone arrays

2015· article· en· W1984323018 sur OpenAlexaff
Tim Dean, J. Christian Dupuis, Rakib Hassan

Notice bibliographique

RevueGeophysics · 2015
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Waves and Analysis
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésGeophoneNoise (video)Ambient noise levelAcousticsSeismic noiseSIGNAL (programming language)Coherence (philosophical gambling strategy)Environmental noiseGeologyRemote sensingComputer scienceSeismologyPhysicsStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The use of analog sensor arrays is often assumed to provide signal-to-ambient-noise improvements proportional to the square root of the number of sensors being summed. We determined via numerical modeling and field experiments that the improvements sought were significantly hindered once the ambient noise exhibited coherence over the array being summed. As a first step, a numerical model was developed to explore the optimal sensor spacing based on the average correlation coefficient between sensors. Field experiments were then carried out to measure ambient noise using closely spaced geophones at several sites in Perth, Western Australia. We show that the measured noise at six test sites was strongly coherent over distances of up to 10 m, with the level of coherency being inversely proportional to frequency. The resulting optimum geophone spacing under our field conditions was determined to be 7.5 m. These results offered further encouragement to reassess our use of analog arrays and to consider recording the output from individual sensors. In addition to the benefits from postacquisition noise suppression, this approach will enable increased trace density without degradation of the signal caused by strong coherent noise sources over acquisition spreads.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,114
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,224
Écart entre enseignants0,207 · 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 tête enseignante, pas un consensus.

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

Citations16
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysicsMême sujetSeismic Waves and AnalysisTravaux en français237 207