MétaCan
Menu
Retour à la cohorte
Enregistrement W3171344269 · doi:10.1785/0220200462

Short-Period Surface-Wave Tomography in the Continental United States—A Resource for Research

2021· article· en· W3171344269 sur OpenAlexaboutno aff
R. B. Herrmann, Charles J. Ammon, H. Benz, Asiye Aziz-Zanjani, Joshua Boschelli

Notice bibliographique

RevueSeismological Research Letters · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Waves and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeologySeismologyRayleigh waveLithosphereCrustDispersion (optics)TomographySeismic tomographyRiftSeismic noiseContinental crustGroup velocitySurface waveGeodesyGeophysicsTectonicsMantle (geology)OpticsPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract The variation of phase and group velocity dispersion of Love and Rayleigh waves was determined for the continental United States and adjacent Canada. By processing ambient noise from the broadband channels of the Transportable Array (TA) of USArray and several Program for the Array Seismic Studies of the Continental Lithosphere experiments and using some earthquake recordings, the effort was focused on determining dispersion down to periods as short as 2 s. The relatively short distances between TA stations permitted the use of a 25 km×25 km grid for the four independent tomographic inversions (Love and Rayleigh and phase and group velocity). One reason for trying to obtain short-period dispersion was to have a data set capable of constraining upper crust velocity models for use in determining regional moment tensors. The benefit of focusing on short-period dispersion is apparent in the tomography maps—shallow geologic structures such as the Mid-Continent Rift, and the Michigan, Illinois, Anadarko, Arkoma, and Appalachian basins are imaged. In our processing, we noted that the phase velocities were more robustly determined than the group velocities. We also noted that the inability to obtain dispersion at short periods shows distinct regional patterns that may be related to the local upper crust structure.

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)0,008
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,345
Score d'incertitude au seuil0,662

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,004
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,154
Tête enseignante GPT0,355
Écart entre enseignants0,201 · 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'étudeSans objet
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

Citations13
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSeismological Research LettersMême sujetSeismic Waves and AnalysisTravaux en français237 207