A Preliminary Green Function Database for Global 3-D Centroid Moment Tensor Inversions
Notice bibliographique
Résumé
Currently, the accuracy of synthetic seismograms used for Global CMT inversion, which are based on modern 3D Earth models, is limited by the validity of the path-average approximation for mode summation and surface-wave ray theory. Inaccurate computation of the ground motion’s amplitude and polarization as well as other effects that are not modeled may bias inverted earthquake parameters. Synthetic seismograms of higher accuracy will improve the determination of seismic sources in the CMT analysis, and remove concerns about this source of uncertainty. Strain tensors, and databases thereof, have recently been implemented for the spectral-element solver SPECFEM3D (Ding et al., 2020) based on the theory of previous work (Zhao et al., 2006) for regional inversion of seismograms for earthquake parameters. The main barriers to a global database of Green functions have been storage, I/O, and computation. But, compression tricks and smart selection of spectral elements, fast I/O data formats for high-performance computing, such as ADIOS, and wave-equation solution on GPUs, have dramatically decreased the cost of storage, I/O, and computation, respectively. Additionally, the global spectral-element grid matches the accuracy of a full forward calculation by virtue of Lagrange interpolation. Here, we present our first preliminary database of stored Green functions for 17 seismic stations of the global seismic networks to be used in future 3-D centroid moment tensor inversions. We demonstrate the fast retrieval and computation of seismograms from the database.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,013 |
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 source (Gemma direct ou Codex distillé), 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 ».