MétaCan
Menu
Retour à la cohorte
Enregistrement W3011537112 · doi:10.1785/0120190160

Estimation of Wavelet Coherence of Seismic Ground Motions

2020· article· en· W3011537112 sur OpenAlexaff
Da Qiao, Xudong Zhi, Feng Fan, Hanping Hong

Notice bibliographique

RevueBulletin of the Seismological Society of America · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueSeismic Performance and Analysis
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésWaveletCoherence (philosophical gambling strategy)SmoothingMathematicsDegree of coherenceSpectral densityWavelet transformStatistical physicsPhysicsStatisticsComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The relation between the nonstationary seismic ground motions at two sites is often characterized using lagged coherence and phase spectrum. Their evaluation is most often carried out using ordinary Fourier analysis (i.e., without windowing) by assuming that they are time invariant. In the present study, the assessment of time-varying coherence is carried out based on the auto- and cross-wavelet power spectrum. The coherence is expressed in terms of lagged wavelet coherence and wavelet phase spectrum. For the analysis, the generalized Morse wavelets are employed, and the ground-motion records for several events from dense arrays located in Taiwan are used. It was shown that without adequate smoothing in scale and time, the obtained lagged wavelet coherence varies drastically in time and frequency (i.e., scale). A parametric analysis shows that the estimated coherence is sensitive to the degree of smoothing. The results of the lagged wavelet coherence and wavelet phase spectrum are time varying and frequency varying. This is in contrast with the time-invariant lagged coherence and phase spectrum assumed for the amplitude modulated evolutionary stochastic process. It is inferred from the results that the use of a time-varying coherence should be considered for seismic ground motions modeled as nonstationary processes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,123
Score d'incertitude au seuil0,303

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,209
Écart entre enseignants0,195 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations16
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBulletin of the Seismological Society of AmericaMême sujetSeismic Performance and AnalysisTravaux en français237 207