Relative earthquake location procedure for clustered seismicity with a single station
Notice bibliographique
Résumé
SUMMARY Earthquake location is one of the oldest problems in seismology, yet remains an active research topic. With dense seismic monitoring networks, it is possible to obtain reliable locations for microearthquakes; however, in many cases dense networks are lacking, limiting the location accuracy, or preventing location when there are too few observations. For small events in all settings, recording may be sparse and location may be difficult due to low signal-to-noise ratio. In this work, we introduce a new, distance-geometry-based method to locate seismicity clusters using only one or two seismic stations. A distance geometry problem consists in determining the location of sets of points based only on the distances between member pairs. Applied to seismology, our approach allows earthquake location using the interevent distance between earthquake pairs, which can be estimated using only one or two seismic stations. We first validate the method with synthetic data that resemble common cluster shapes, and then test the method with two seismic sequences in California: the August 2014 Mw 6.0 Napa earthquake and the July 2019 Mw 6.4 Ridgecrest earthquake sequence. We demonstrate that our approach provides robust and reliable results even for a single station. When using two seismic stations, the results capture the same structures recovered with high-resolution double-difference locations based on multiple stations. The proposed method is particularly useful for poorly monitored areas, where only a limited number of stations are available.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».