MétaCan
Menu
← Retour à la cohorte
Enregistrement W2514179803 · doi:10.1190/segam2016-13780208.1

Converted-wave receiver statics in the tau-p domain

2016· article· en· W2514179803 sur OpenAlexaff
Raul Cova, Xiucheng Wei, K. A. Innanen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésStaticsReflection (computer programming)Domain (mathematical analysis)Convolution (computer science)Surface (topology)Data processingSurface waveField (mathematics)Range (aeronautics)Frequency domainComputer scienceGeologyStackingNear and far fieldAlgorithmOpticsPhysicsTelecommunicationsMathematical analysisMathematicsGeometryArtificial intelligenceEngineeringDatabase

Résumé

récupéré en direct d'OpenAlex

Removing near-surface effects in the processing of 3C data is key to exploiting the information provided by converted-waves. Receiver-side corrections are more challenging than source-side corrections due to the low velocities of S-waves in the near-surface. Analysis of PS-traveltimes in space-time domain shows that near-surface effects have a non-stationary expression in the data. This effect is enhanced when the near-surface is structurally complex. Modeling results show that transforming the data to the τ-p domain moves the problem to a stationary state. Field data from a fairly complex geological setting are processed to assess the benefits of addressing near-surface effects in the τ-p domain. For this purpose, converted-wave data are sorted into receiver gathers and a τ-p transform is applied. Then, crosscorrelation and convolution operations are performed to capture and subtract the near-surface effects from the data. Results show that this processing improves coherency and stacking power of shallow and deep events simultaneously. Shallow events benefited most from this processing due to their wider range of reflection angles. Presentation Date: Wednesday, October 19, 2016 Start Time: 1:55:00 PM Location: 166 Presentation Type: ORAL

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,004

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 Opus0,021
Tête enseignante GPT0,210
Écart entre enseignants0,188 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSeismic Imaging and Inversion Techniques→Travaux en français237 207→