MétaCan
Menu
Retour à la cohorte
Enregistrement W4251587100 · doi:10.1190/segam2012-0072.1

The feasibility and value of low-frequency data collected using co-located 2 Hz and 10 Hz geophones

2012· article· en· W4251587100 sur OpenAlexaff
Stephen K. Chiu, Peter M. Eick, Michael Davidson, Jeff Malloy, Jack Howell

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Waves and Analysis
Établissements canadiensConocoPhillips (Canada)
Organismes subventionnairesnon disponible
Mots-clésGeophoneVibrator (electronic)AcousticsLow frequencyPhysicsGeologyComputer scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

We acquired a 3D surface seismic field test using an improved low-frequency vibrator with co-located 2 Hz and 10 Hz geophones. To our knowledge, this is the first field experiment employing a low-frequency vibrator and 2 Hz geophones. Since 2 Hz geophones were not widely available, we had custom made 2 Hz geophones constructed for this field experiment. The objectives of this field study are to investigate: (1) the feasibility of recording low-frequency signals using a low-frequency enhanced vibrator and 2 Hz geophones, (2) the degradation of low-frequency signals of 10 Hz geophones when comparing with 2 Hz geophones, and (3) the possibility of a novel idea using both co-located data sets to boost up the low-frequency signals of 10 Hz geophone data. The analyses of the 10 Hz and 2 Hz geophone data in prestack and poststack domains concluded that 2 Hz geophone data clearly exhibited more low-frequency signals than the 10 Hz geophone data. The 2 Hz geophone stack had low-frequency signals down to 2 Hz, and a spiking deconvolution further extended the amplitude spectrum down to 1 Hz. The deterministic match filter derived from both co-located data sets improved the low-frequency signals of the 10 Hz geophone data.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,060
Tête enseignante GPT0,278
Écart entre enseignants0,218 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations4
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSeismic Waves and AnalysisTravaux en français237 207