MétaCan
Menu
Retour à la cohorte
Enregistrement W4393095262 · doi:10.1093/gji/ggae115

Incorporating topographic effects in surface wave tomography based on shortest-path ray tracing

2024· article· en· W4393095262 sur OpenAlexafffund
Nanqiao Du, Tingwei Yang, Tao Xu, Qinya Liu

Notice bibliographique

RevueGeophysical Journal International · 2024
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Waves and Analysis
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Key Research and Development Program of ChinaNatural Sciences and Engineering Research Council of CanadaK. C. Wong Education Foundation
Mots-clésRay tracing (physics)TomographyGeologyDispersion (optics)Surface waveSurface (topology)Wave propagationGeodesyGeophysicsSeismologyGeometryOpticsPhysicsMathematics

Résumé

récupéré en direct d'OpenAlex

SUMMARY We propose a new method to obtain 3-D shear wave velocity structures for regions with undulating topography based on surface wave dispersion data. In our method, we assume that surface waves propagate along a curved free surface, and the dispersion effects of these waves can be modelled as a frequency-dependent ray tracing problem. We use the shortest-path method to address off-great-circle propagation arising from inhomogeneous elastic parameters and topographic variations. We then apply our method to both synthetic and real-data inversions and demonstrate that ignoring topographic effects may significantly distort the inverted images. Finally, we analysed the accuracy of our method and provided a rule-of-thumb principle to quantitatively assess the need to account for topographic effects in surface wave tomography for a region.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,148
Score d'incertitude au seuil0,496

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,218
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeophysical Journal InternationalMême sujetSeismic Waves and AnalysisTravaux en français237 207