MétaCan
Menu
Retour à la cohorte
Enregistrement W1995926167 · doi:10.1029/2005eo180001

Advances in controlled‐source seismic imaging

2005· article· en· W1995926167 sur OpenAlexaff
J. A. Hole, C. A. Zelt, R. G. Pratt

Notice bibliographique

RevueEos · 2005
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensQueen's University
Organismes subventionnairesVirginia Polytechnic Institute and State UniversityNational Science Foundation
Mots-clésSeismometerSeismologyGeologyCrustWaveformVertical seismic profileInversion (geology)Seismic tomographyGeophysicsComputer scienceMantle (geology)TelecommunicationsTectonics

Résumé

récupéré en direct d'OpenAlex

The current rapid growth in the number of seismometers available to the research community, combined with increasing computer power, will allow improvement in the type and quality of seismic images of the crust and lithosphere. An example of improved imaging capability is the inversion of the full seismic waveform, rather than solely travel times, in controlled‐source surveys (seismic refraction or reflection using human‐induced ground shaking). At the 12th Deep Seismic Methods workshop in 2003, sponsored by the International Association of Seismology and Physics of the Earth's Interior (IASPEI), an analysis of computer‐generated data exemplified the potential of increased source and station density. The synthetic seismic data set was generated from a geologic model that includes large‐, medium‐, and small‐scale stochastic variation. The source and seismometer spacing mimic imminent community capabilities. The Earth model was kept secret, and the data were made available for analysis (http://crust. geol.vt.edu/hole/ccss/). Figure 1 illustrates the results of blind travel time and waveform tomography applied to the data.The images, described in more detail below, illustrate an excellent match to the true Earth model.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0030,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,005
Tête enseignante GPT0,209
Écart entre enseignants0,204 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEosMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207