Mapping faults in the laboratory with seismic scattering 2: the modelling perspective
Notice bibliographique
Résumé
SUMMARY Peak delays of acoustic emission (AE) data from rock deformation laboratory experiments are sensitive to both sample heterogeneities and deformation-induced impedance contrasts inside the sample. However, the relative importance of stochastic heterogeneity and discontinuities is uncertain, as is the relationship between peak delays and applied stress and strain. In the companion paper, we presented and analysed peak delay data from AE recorded in a sandstone sample that was triaxially deformed to failure. Here, we simulate P–SV waveforms of dominant frequency 200 kHz in a 2-D isotropic, layered medium using realistic parameters derived from the laboratory experiments previously analysed. Our aim is to provide a physical interpretation of the laboratory findings and constrain the role of a proxy of the evolving fault zone on peak delays. We consider a 2-D fault zone embedded in a host material that simulates the fracture plane as a more compliant layer and allows us to numerically investigate variations in peak delay. Measurements of background parameters, including isotropic velocity and fault thickness were optimized using laboratory data via an evolutionary algorithm. Our simulations clarify that near-source peak delay observations are sensitive to the heterogeneity within zones of intense strain even when far-field approximations are not valid. This sensitivity manifests through the arrival of trapped waves within the layer that is coupled with multiple reflections from the sample boundaries. Substantial uncertainties remain on the possibility of inverting sample parameters with 2-D simulations and such complex physics. Our combined experimental and modelling study suggests that peak delays and coda parameters are sensitive to the heterogeneity caused by faulting and strain variations at different stages of fault-inducing slow deformation.
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 ».