Notice bibliographique
Résumé
ABSTRACT Utilising ambient seismic energy naturally propagating in the Earth as an alternative approach to active body‐wave seismic investigations has been a topic of interest for a number of decades. However, because ambient surface‐wave arrivals typically are of much greater amplitude than ambient body‐wave energy, significant data signal processing and long recording times are required to mitigate this and other coherent noise sources, and to correlate sufficient reflected body‐wave energy to converge to a stable image. Even for these scenarios, identifying and validating imaged body‐wave reflection events remain challenging. In active‐source investigations, extended imaging condition gathers are used to examine velocity (in)accuracy. Herein, we develop an ambient direct migration approach that uses a novel ambient (deconvolution) extended imaging condition. We simulate synthetic ambient‐wavefield seismic data for two different models and use a field data set from Lalor Lake in Manitoba, Canada, to conduct a series of numerical experiments to demonstrate the velocity sensitivity and long‐term stationarity of ambient‐wavefield seismic data in the migration image domain. Tests with varying global velocity perturbations show a characteristic reflector moveout in deconvolution extended imaging condition gathers that can serve as a diagnostic of reflected ambient body‐wave energy. We illustrate that this imaging formalism, under idealised circumstances, gives comparable results to conventional seismic methods, which extends the use of extended imaging condition gather‐based image validation to ambient‐wavefield seismic data scenarios. We assert that this may be a valuable tool for the validation of ambient migration techniques that to date have yielded largely inconclusive results.
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) | 0,000 | 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 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 ».