Bayesian Inversion of Interface-Wave Dispersion for Seabed Shear-Wave Speed Profiles
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
This paper applies Bayesian inversion to estimate seabed shear-wave speed profiles and their uncertainties from interface-wave dispersion data. A nonlinear formulation is developed to estimate the most probable profile together with marginal probability distributions and credibility intervals from the posterior probability density (PPD) using adaptive hybrid optimization and Metropolis-Hastings sampling (MHS). To address correlated data errors, a full error covariance matrix is estimated from residual analysis, and rigorous a posteriori statistical tests are applied to validate the covariance estimate and the assumption of a multivariate Gaussian error distribution. The most appropriate parameterization for the shear-wave speed profile is determined using the Bayesian information criterion (BIC), which provides the simplest model consistent with the resolving power of the data. Parameterizations considered vary in the number and type of layers, and include layers with uniform speed, and with linear and power-law shear-speed gradients. For the data considered here, a power-law parameterization is indicated, which is consistent with theoretical expectations for uniform, unconsolidated sediments under overburden pressure. The maximum depth to which the dispersion data constrain the shear-speed profile is investigated using an approximate analytic formula for power-law profiles and repeated inversions in which the maximum depth to an underlying half-space is systematically increased.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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