Improved analysis of horizontal-to-vertical spectral ratio measurements for groundwater investigations
Notice bibliographique
Résumé
Ambient seismic noise, and specifically the Horizontal-to-Vertical Spectral Ratio (HVSR), is routinely used for seismic microzonation, assessment of earthquake site characteristics and bedrock depth information for hydrogeological studies. These measurements not only provide peak frequency or period of a seismic resonator, but the shape of the spectral ratio can also give insight into the architecture of subsurface structure. For example a dipping resonator decreases the peak amplitude and increases the peak frequency of the spectrum. Effects of two-dimensional (2-D) subsurface structure (non-horizontal layering) have been successfully modelled and can be observed on the orthogonal Horizontal-to-Vertical Spectral Ratios, where N-S/V and E-W/V have different peak frequencies and peak amplitudes. By analysis of both horizontal spectral ratios the practitioner is able to determine whether one-dimensional (1-D) subsurface layering is present and hence 1-D assumptions are appropriate, e.g. inverting shear-wave velocities (Vs), calculating average Vs and depth to the resonator. HVSR measurements collected along seismic reflection profiles with known resonator topography, e.g. over steeply dipping bedrock resonators, are used to investigate both orthogonal horizontal components separately. Differences between the orthogonal H/V components are able to identify 2-D subsurface structure. Results demonstrate that extending analysis beyond the peak frequency to include orthogonal Horizontal-to- Vertical Spectral Ratios adds important information related to dipping surfaces and their orientations. Due to the ease and rapidity of HVSR data collection, the technique is ideally suited for reconnaissance scale survey work but also for infill where other data is sparse.
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) | 0,001 | 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 | 0,000 |
| 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 ».