GAC - Newfoundland and Labrador Section Abstracts: 2019 Spring Technical Meeting
Notice bibliographique
Résumé
Microearthquake locating has broad application in monitoring volcanic activities or human-induced earthquakes. However, typically large amounts of data are involved and those data are quite noisy. Hence, an automatic procedure is needed that can accurately locate these microearthquake events. In this research, we tackle this problem by stacking Characteristic Functions (CFs) in the Source Scanning Algorithm (SSA). The CFs allow us to consider waveform characteristics such as amplitude and polarization in the locating problem; and the SSA allows us to search the solution space automatically with minimum computing effort. Furthermore, we use multiscaled CFs to accommodate earthquake signals within a wide frequency band. We successfully locate synthetic events generated at 6km using the SIL Network in Reykjane Peninsula, SW Iceland. The SIL Network has a geometry of around 60 x 30 km. We also locate 215 events recorded by the same network with very similar results (less than 5% outliers with 80% of the result within an error of 2.5 km, 0.1s) to the manual picking method. In conclusion, stacking CFs in SSA is a noise-robust automatic method to locate microearthquakes in a reginal scale. It also avoids the need of manual phase picking and reduces human intervention.
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) | 0,002 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».