Post-Processing Continuous Shear Wave Signals Taken During Cone Penetrometer Testing
Notice bibliographique
Résumé
Abstract Continuous seismic velocity measurements use a special automated wave source and advanced post-processing analyses to provide fast, detailed, and reliable profiles of shear wave velocity (Vs) with depth. Conventional geophysical techniques such as crosshole tests (CHTs) and downhole tests (DHTs) in boreholes are slow because they have several required steps: (1) rotary drilling, (2) installation of casing and grouting, (3) inclinometer measurements (for CHTs), and (4) deployment of geophones for seismic readings. Direct-push technologies include the use of seismic cones and seismic dilatometers that offer DHT-type Vs data at intervals of 1 m or less without the need for drilling, casing, grouting, or separate field events. The recent development of a new portable autoseis source allows the generation of reliable and consistent shear waves either intermittently or as frequently as every 1 to 10 s. Continuous shear wave measurements can provide improved detailing of the small-strain stiffness (G0) at frequent depth intervals and fast field production times. Appreciable sensitivity errors in Vs calculations can be experienced because of the extremely small time shifts between adjacent shear wave records, as well as significant signal noise due to vibration, external sources, and refracted waves. This paper details continuous-interval seismic piezocone testing and explains how to handle signal post-processing in both the time domain and the spectral frequency domain in order to obtain a reliable in situ Vs profile.
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 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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».