MétaCan
Menu
Retour à la cohorte
Enregistrement W3008481320 · doi:10.1093/gji/ggaa085

Transfer functions between teleseismic data components

2020· article· en· W3008481320 sur OpenAlexafffund
A. W. Frederiksen

Notice bibliographique

RevueGeophysical Journal International · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
Thématiqueearthquake and tectonic studies
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTransfer functionReceiver functionGeologyDeconvolutionConvolution (computer science)ObservableSeismologyTRACE (psycholinguistics)WaveformSensitivity (control systems)PhysicsOpticsComputer scienceLithosphere

Résumé

récupéré en direct d'OpenAlex

SUMMARY Different data components of teleseismic waveforms are related by transfer functions that depend only on receiver-side structure. This is the common basis of a number of teleseismic techniques, including receiver functions and shear wave splitting analysis. Common trace misfits used in these analysis techniques are shown to be equivalent to band-limited comparisons of real and synthetic transfer functions. The data deconvolution used in receiver function analysis leads to reduced structural resolution compared to direct trace-based misfits such as cross-convolution, with direct transfer function modelling of a data trace having the particular advantage of a physically meaningful misfit. Having established that the intertrace transfer function contains all available structural information, the sensitivity of transfer functions to structure is examined for a series of teleseismic scenarios. Transfer functions for the teleseismic P coda show a strong sensitivity to shallow low-velocity structures such as sedimentary basins; the Sp precursors used in S receiver functions are less affected. Examination of transfer functions for shear wave splitting shows that response complexities occur at frequencies too high to be observable in teleseismic studies, and that the dominant control on the response is the splitting intensity.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,003

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 Opus0,095
Tête enseignante GPT0,262
Écart entre enseignants0,167 · 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'étudeThéorique ou conceptuel
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
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeophysical Journal InternationalMême sujetearthquake and tectonic studiesTravaux en français237 207