MétaCan
Menu
Retour à la cohorte
Enregistrement W1994603621 · doi:10.1061/(asce)gt.1943-5606.0000100

Performance of Active and Passive Methods for Measuring Low-Frequency Surface Wave Dispersion Curves

2009· article· en· W1994603621 sur OpenAlexaff
Brent L. Rosenblad, Jianhua Li

Notice bibliographique

RevueJournal of Geotechnical and Geoenvironmental Engineering · 2009
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Waves and Analysis
Établissements canadiensStantec (Canada)
Organismes subventionnairesUniversity of Texas at AustinNational Science Foundation
Mots-clésDispersion (optics)WavelengthGeologySurface waveWavenumberAcousticsOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

This paper examines the consistency between surface wave dispersion curves measured at wavelengths of up to 600 m using active and passive methods at sites in the Mississippi Embayment. Large-diameter (200 m) circular receiver arrays were deployed at five deep soil sites located in Tennessee, Arkansas, and Missouri to record ambient ground vibrations at low frequencies. Measurements were performed at the same locations using linear receiver arrays and actively generated low-frequency energy using the recently developed Network for Earthquake Engineering Simulation (NEES) field vibrator (termed Liquidator). Characteristics of the ambient wavefield measured at the five sites in the Mississippi Embayment are presented along with comparisons between the surface wave dispersion curves obtained from the active and passive measurements at each site. The ambient wavefield measurements exhibited peak levels in the frequency range of 1–5 Hz. Surface wave dispersion curves developed from frequency-wavenumber (f-k) processing of the active and passive methods were in good agreement at four of the sites, with phase velocities from the passive measurements within 5–10 % of the active-source measurements out to wavelengths of about 550 m. Improved comparisons were obtained at the fifth site by applying high-resolution f-k processing.

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)0,000
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,667
Score d'incertitude au seuil0,296

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,008
Tête enseignante GPT0,206
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 tête enseignante, pas un consensus.

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

Citations19
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geotechnical and Geoenvironmental EngineeringMême sujetSeismic Waves and AnalysisTravaux en français237 207