MétaCan
Menu
Retour à la cohorte
Enregistrement W3091804536 · doi:10.1002/9781119127383.ch21

Design of Field Instrumentation and Noise Removal Techniques for Seismoelectric Measurements

2020· other· en· W3091804536 sur OpenAlexaff
J. Christian Dupuis, Anton Kepic, Karl E. Butler

Notice bibliographique

RevueGeophysical monograph · 2020
Typeother
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeophysical and Geoelectrical Methods
Établissements canadiensUniversity of New BrunswickUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésInstrumentation (computer programming)Noise (video)AcousticsField (mathematics)Computer scienceSampling (signal processing)SubtractionAmplitudeHarmonicElectromagnetic fieldElectronic engineeringGeologyPhysicsTelecommunicationsEngineeringArtificial intelligenceOpticsMathematicsDetector

Résumé

récupéré en direct d'OpenAlex

The weak amplitudes of seismoelectric signals have been a great source of difficulty in making meaningful measurements in the field. The pervasive natural and cultural electromagnetic noise is often two to three orders of magnitude greater than the seismoelectric signals sought, and traditional seismic or electromagnetic-electrical recording systems are not optimized for their measurement. The basic principles for acquisition of field data and the required instrumentation used to measure seismoelectric signals reliably are discussed in this section. We also illustrate the benefits of multichannel recording and dense sampling of the seismoelectric wave field for identifying different types of seismoelectric arrivals. Finally, we present recommendations for optimizing the removal of powerline noise by harmonic subtraction.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,973
Score d'incertitude au seuil0,918

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,032
Tête enseignante GPT0,254
Écart entre enseignants0,222 · 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'étudeAutre devis
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical monographMême sujetGeophysical and Geoelectrical MethodsTravaux en français237 207