Drill-rig noise suppression using the Karhunen-Loéve transform for seismic-while-drilling experiment at Brukunga, South Australia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Diamond-impregnated drill bits are known to be low energy vibration seismic sources. With the strong interference from the drill rig, it is difficult to obtain the drill-bit wavefield with a surface receiver array. To overcome the challenge of surface wave interference generated from the rig for seismic-while-drilling (SWD), we need to separate the rig- and bit-generated signals. To this end, we apply two wavefield separation methods, the Karhunen-Loéve (KL) transform and the f – k filter, and compare their performance. The applicability of these methods is based on the drill rig and drill bit having different spatial positions. While the drill-bit spatial position changes during the process of drilling, the drill rig remains stationary. This results in the source wavefields from the drill rig and the drill-bit having different characteristics, and allows us to separate and extract the drill-bit signal. We use a synthetic model to compare the KL transform and f – k filter. Both techniques are robust when the noise wavefield has consistent amplitude moveout. However, for changing amplitudes, such as the rig noise, which has an unrepeatable wavefield due to power amplitude variation, we show that the KL transform performs better in such situations. We also show the results of signal analysis of the SWD experiment data acquired from Brukunga, South Australia. We demonstrate the feasibility of the KL transform in separating the coherent noises from the stationary drill rig in a hard rock drilling environment, particularly emphasising the suppression of the surface and direct waves from the rig. The results show that drill-rig noise can be effectively suppressed in the correlation domain.
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.
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 | 0,001 |
| 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 découle