MétaCan
Menu
Retour à la cohorte
Enregistrement W2025302226 · doi:10.1190/1.1598110

Incorporating mechanisms of fluid pressure relaxation into inclusion-based models of elastic wave velocities

2003· article· en· W2025302226 sur OpenAlexaff
Stephen R. Taylor, Rosemary Knight

Notice bibliographique

RevueGeophysics · 2003
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésSaturation (graph theory)Laminar flowModuliAttenuationMechanicsInclusion (mineral)GeologyFluid dynamicsFlow (mathematics)WavelengthPorous mediumRelaxation (psychology)Elastic modulusPorosityMineralogyPhysicsGeotechnical engineeringThermodynamicsMathematicsOptics

Résumé

récupéré en direct d'OpenAlex

Abstract Our new method incorporates fluid pressure communication into inclusion-based models of elastic wave velocities in porous rocks by defining effective elastic moduli for fluid-filled inclusions. We illustrate this approach with two models: (1) flow between nearest-neighbor pairs of inclusions and (2) flow through a network of inclusions that communicates fluid pressure throughout a rock sample. In both models, we assume that pore pressure gradients induce laminar flow through narrow ducts, and we give expressions for the effective bulk moduli of inclusions. We compute P-wave velocities and attenuation in a model sandstone and illustrate that the dependence on frequency and water-saturation agrees qualitatively with laboratory data. We consider levels of water saturation from 0 to 100% and all wavelengths much larger than the scale of material heterogeneity, obtaining near-exact agreement with Gassmann theory at low frequencies and exact agreement with inclusion-based models at high frequencies.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0010,003
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,013
Tête enseignante GPT0,192
Écart entre enseignants0,179 · 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'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

Citations3
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysicsMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207