The effects of receiver arrangement on velocity analysis with multi‐concurrent receiver GPR data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Determining subsurface electromagnetic (EM) wave velocity is critical for ground‐penetrating radar (GPR) data analysis, as velocity is used for the time‐to‐depth conversion, and hence leads to obtaining the precise location of the objects of interest. Currently, the way to acquire detailed subsurface EM wave velocity models involves employing multi‐offset GPR surveys, such as wide‐angle reflection‐refraction (WARR), in conjunction with normal moveout (NMO) based velocity analysis. Traditionally, these surveys are carried out using two separate transducers and were, therefore, time‐consuming and had limited uptake. Recent advances in GPR hardware have allowed the development of novel systems with multi‐concurrent sampling receivers, which enable rapid and dense acquisition of WARR data. These additional receivers increase the overall size, weight and cost of the system. Therefore, we investigated the effects of receiver arrangement on NMO‐based velocity analysis and considered reducing the overall number of transducers, whilst maintaining satisfactory velocity spectra resolution and, hence, obtaining detailed stacking velocity models as well as improved stacked reflection sections. We used both simulated data from complex three‐dimensional models as well as field data and examined different numbers and positions of receivers in different environments. Our results show that velocity spectra resolution can be maintained within acceptable limits whilst reducing the number of receivers from a configuration with seven equally spaced receivers, to a sparse configuration of four receivers. Thus, being able to decrease the number of receivers used by these new GPR systems will reduce both the total system weight and cost and, hopefully, increase their adoption for GPR surveys.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle