Detection of seismic refraction signals using a variance fractal dimension technique
Notice bibliographique
Résumé
Abstract Seismic signals in deep crustal surveys are often contaminated with various types of noise, mainly caused by the low signal-to-noise (S/N) earth environment. A variance fractal dimension (VFD) technique is investigated and tested with real data sets for detection of seismic refraction signals from background noise. The data tested in this study were collected during the 1992 Lithoprobe Abitibi-Grenville Transect high-resolution refraction and wide-angle reflection seismic experiments. The sharpness of transition features on the VFD trajectory is used as a criterion for distinguishing specific seismic phases. The window size and window interval applied in the application of VFD technique were determined using synthetic seismic data for generation of the optimum VFD trajectory. The window size of 48 samples and the window interval of 8 sample intervals were chosen to calculate the fractal dimension values and create the trajectories for detecting phases Pg, Pn, PmP, and ground roll. The VFD technique was also tested and applied for automatic detection of the first breaks in the high-resolution seismic reflection data collected during the 1990 Lithoprobe regional and high-resolution seismic surveys. The sharp transition features corresponding to the first arrivals in the seismic reflection data are distinct and provide us with a robust and powerful tool for separating the seismic signals from noise.
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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».