Seismic Velocities Contain Information about Depth, Lithology, Fluid Content, and Microstructure
Notice bibliographique
Résumé
Recent advances in field and laboratory methods for measuring elastic wave velocities provide incentive and opportunity for improving interpretation of geophysical data for engineering and environmental applications. Advancing the state-of-the-art of seismic imaging requires developing petrophysical relationships between measured velocities and the hydrogeology parameters and lithology. Our approach uses laboratory data and rock physics methods. Compressional (Vp) and shear (Vs) wave velocities, Vp/Vs ratios, and relative wave amplitudes show systematic changes related to composition, saturation, applied stress (analogous to depth), and distribution of clay for laboratory ultrasonic measurements on soils. The artificial soils were mixtures of Ottawa sand and a second phase, either Wyoming bentonite or peat moss used to represent clay or organic components found in natural soils. Compressional and shear wave velocities were measured for dry, saturated, and partially-saturated conditions, for applied stresses between about 7 and 100 kPa, representing approximately the top 5 m of the subsurface. Analysis of the results using rock physics methods shows the link between microstructure and wave propagation, and implications for future advances in seismic data interpretation. For example, we found that Vp in dry sand-clay mixtures initially increases as clay cements the sand grains and fills porosity, but then Vp decreases when the clay content is high enough that the clay matrix controls the elastic response of the material. Vs decreases monotonically with increasing clay content. This provides a method for using Vp/Vs ratios to estimate clay content in a dry soil.
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 | 0,000 |
| 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 ».