Influence of strong directional sources in ambient seismic imaging using traffic-induced noise
Notice bibliographique
Résumé
ABSTRACT Continuously moving seismic sources, such as vehicles and train cars, play a crucial role as passive sources for nondestructive exploration in urban areas. Seismic interferometry is commonly used in field data acquisition and processing using linear arrays. However, the simultaneous recording of high-energy noise, excited by buildings and factories, cannot be overlooked. We simulate moving-source seismic records with strong noises using orthogonal arrays. When strong noise originates from specific angles, the energy-phase velocity curves of arrays in different directions significantly diverge. We determine that an L-shaped array, formed by orthogonal arrays, can effectively mitigate this effect, yielding more consistent results. Nonetheless, spatial constraints often preclude the deployment of L-shaped arrays. To mitigate this issue, we develop a new parallel observation system. Field tests conducted on a main road validate that the new array is comparable with the L-shaped array in terms of dispersion extraction. Similar to synthetic data, the phase velocity extracted from the linear array field data is found to be unreliable. Drilling data align well with the inversion results of the parallel observation system. Given the challenges of urban traffic-induced signal acquisition, deploying multiazimuth arrays to minimize noise impact is essential. Considering the spatial limitations, the convenient parallel observation system emerges as a good choice.
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 | 0,001 |
| 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 ».