Characterizing Ambient Seismic Noise in an Urban Park Environment
Notice bibliographique
Résumé
In this study, a method for characterizing ambient seismic noise in an urban park using a pair of Tromino3G+ seismographs simultaneously recording high-gain velocity along two axes (north-south and east-west) is presented. The motivation for this study is to provide design parameters for seismic surveys conducted at a site prior to the installation of long-term permanent seismographs. Ambient seismic noise refers to the coherent component of the measured signal that comes from uncontrolled, or passive sources (natural and anthropogenic). Applications of interest include geotechnical studies, modeling the seismic response of infrastructure, surface monitoring, noise mitigation, and urban activity monitoring, which may exploit the use of well-distributed seismograph stations within an area of interest, recording on a days-to-years scale. An ideal well-distributed array of seismographs may not be feasible for all sites and therefore, it is important to identify means for characterizing the ambient seismic noise in urban environments and limitations imposed with a reduced spatial distribution of stations, herein two stations. The developed workflow involves a continuous wavelet transform, peak detection, and event characterization. Events are classified by amplitude, frequency, occurrence time, source azimuth relative to the seismograph, duration, and bandwidth. Depending on the applications, results can guide seismograph selection (sampling frequency and sensitivity) and seismograph placement within the area of interest.
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) | 0,001 | 0,002 |
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 ».