Application of seismic interferometry to extract P- and S-wave propagation and observation of shear-wave splitting from noise data at Cold Lake, Alberta, Canada
Notice bibliographique
Résumé
Abstract We extract downward-propagating P- and S-waves from industrial noise generated by human and/or machine activity at the surface propagating down a borehole at Cold Lake, Alberta, Canada, and measure shear-wave splitting from these data. The continuous seismic data are recorded at eight sensors along a downhole well during steam injection into a 420–470-m-deep oil reservoir. We crosscorrelate the waveforms observed at the top sensor and other sensors to extract estimates of the direct P- and S-wave components of the Green's function that account for wave propagation between sensors. Fast high-frequency and slow low-frequency signals propagating vertically from the surface to the bottom are found for the vertical and horizontal components of the wave motion, which are identified with P- and S-waves, respectively. The fastest S-wave polarized in the east-northeast–west-southwest direction is about 1.9% faster than the slowest S-wave polarized in the northwest-southeast direction. The direction of polarization of the fast S-wave is rotated clockwise by 40° from the maximum principal stress axis as estimated from the regional stress field. This study demonstrates the useful application of seismic interferometry to field data to determine structural parameters, which are P- and S-wave velocities and a shear-wave-splitting coefficient, with high accuracy.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».