Potential effect of seasonally varying station thresholds on joint-maximum-likelihood magnitude estimates from bulletin data 
Notice bibliographique
Résumé
Accurate seismic body-wave magnitudes (mb) are important in nuclear test-ban treaty verification. Network mean magnitudes are known to be biased when the effect of noise obscuring signal at some stations in the monitoring network is ignored. To overcome this bias a joint-maximum-likelihood method is used to invert bulletin amplitude and period measurements at a network of stations from a number of closely spaced sources, to estimate unbiased network mb values and station corrections. For each station a noise threshold is determined independently using the Kelly & Lacoss (1969) method, assuming that large samples of amplitudes reported in a bulletin (in this case from the International Seismological Centre, ISC) follow a Gutenberg-Richter distribution. Where stations report arrivals sufficiently frequently, the noise threshold can be estimated separately for different seasons, to highlight variations caused by, for instance, storms or freezing of nearby ocean. The noise thresholds at some stations differ by up to 0.4 magnitude units between seasons. Sensitivity of maximum-likelihood magnitude estimates of a group of announced explosions at the Nevada Test Site to variations in threshold at Canadian Arctic stations (compared with using the annual mean) is generally small (<∼0.01-0.02 units), and greatest for low-magnitude events in the “noisy” season, when the station magnitudes are below the seasonal threshold but above the annual average threshold. UK Ministry of Defence © Crown copyright 2021/AWE
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,029 | 0,205 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».