Rapid Earthquake Association and Location
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
ABSTRACT Rapid association of seismic phases and event location are crucial for real‐time seismic monitoring. We propose a new method, named rapid earthquake association and location (REAL), for associating seismic phases and locating seismic events rapidly, simultaneously, and automatically. REAL combines the advantages of both pick‐based and waveform‐based detection and location methods. It associates arrivals of different seismic phases and locates seismic events primarily through counting the number of P and S picks and secondarily from travel‐time residuals. A group of picks are associated with a particular earthquake if there are enough picks within the theoretical travel‐time windows. The location is determined to be at the grid point with the most picks, and if multiple locations have the same maximum number of picks, the grid point among them with smallest travel‐time residuals. We refine seismic locations using a least‐squares location method (VELEST) and a high‐precision relative location method (hypoDD). REAL can be used for rapid seismic characterization due to its computational efficiency. As an example application, we apply REAL to earthquakes in the 2016 central Apennines, Italy, earthquake sequence occurring during a five‐day period in October 2016, midway in time between the two largest earthquakes. We associate and locate more than three times as many events (3341) as are in Italy's National Institute of Geophysics and Volcanology routine catalog (862). The spatial distribution of these relocated earthquakes shows a similar but more concentrated pattern relative to the cataloged events. Our study demonstrates that it is possible to characterize seismicity automatically and quickly using REAL and seismic picks.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle