Low-Noise Optical Accelerometers: Bridging the Gaps among Geophones, Accelerometers, and Broadbands in a Deep Borehole
Notice bibliographique
Résumé
Abstract Earthquakes and other seismic sources produce waves with frequency content spanning many orders of magnitude. Recording a broader frequency band of interest has historically required deploying multiple instruments designed to work the best within limited, overlapping frequency ranges. Here, we detail a 300 m deep borehole deployment of a sensor package, including three new optical accelerometers that can potentially replace many dedicated instruments with a single, low-noise sensor. These instruments are designed with a flat frequency response from 0.005 to 1500 Hz, spanning the flat response segments of broadband sensors and geophones, as well as a low-noise floor and high sensitivity. The sensors have been functioning normally for over four years, fully grouted at depths of >100 m. Year-long power spectral density (PSD) profiles show that the optical accelerometers have a lower noise floor than a colocated geophone for all frequencies, with 20 dB noise reduction at 250 Hz. PSD comparisons to a broadband sensor installed at the surface show a 5–30 dB noise reduction for the optical accelerometer above 1 Hz, although this is likely due, in part, to the broadband sensor being subjected to much higher surface noise. At periods >5 s, the broadband sensor shows up to 20 dB lower noise than the optical accelerometer, which in turn has up to 50 dB lower noise floor than the colocated geophone. Finally, modeling the Brune displacement spectrum for theoretical seismicity within 1 km of the borehole shows that the optical accelerometers could potentially deliver a detection threshold improvement of one magnitude unit relative to the colocated geophone.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».