Automated processing strategies for ambient seismic data
Notice bibliographique
Résumé
ABSTRACT Extracting body‐wave arrivals from ambient seismic recordings remains a challenging task, largely because ambient records are usually dominated by surface‐wave energy. Most ambient seismic data‐processing strategies aimed at enhancing body‐wave energy focus on a cross‐correlation plus stack methodology. While this approach is useful for interferometric investigations, it effectively squares the magnitude of unwanted coherent noise events (e.g. surface waves, burst‐like or strong monochromatic energy) that commonly overpower ambient body‐wave signal. Accordingly, coherent noise events are usually treated with a binary accept‐or‐reject decision of individual data windows based on root‐mean‐squared energy considerations. Applying a data‐processing workflow to uncorrelated ambient seismic data represents an alternate strategy for mitigating coherent noise. However, this pre‐stack methodology requires significant computational effort due to the often terabyte‐sized data volumes. To make this approach feasible, we outline an automated processing workflow to automatically identify and mitigate coherent noise events that otherwise does not severely degrade the remaining waveforms. After each processing step, we apply a number of quality control measures to monitor the convergence rate of cross‐correlation plus stack waveforms and for evidence of emerging body‐wave reflection events. We apply the processing flow to an ambient seismic data set acquired on a large‐N array at a mine site near Lalor Lake, Manitoba, Canada. Our quality control analyses suggest that automated preprocessing of uncorrelated ambient seismic recordings successfully mitigates unwanted impulsive and monochromatic coherent noise events. Accordingly, we assert that applying an automated data‐processing approach would be beneficial for body‐wave and other imaging and inversion analyses applied to ambient seismic recordings.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,005 |
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 ».