MétaCan
Menu
Retour à la cohorte
Enregistrement W4402115908 · doi:10.1093/jge/gxae090

A novel explicit optimized scheme for numerical simulation of elastic-wavefield separation

2024· article· en· W4402115908 sur OpenAlexaff
Zixi Guo, Jiandong Huang, Dong Chen, Yiyu Chen

Notice bibliographique

RevueJournal of Geophysics and Engineering · 2024
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensPetro-Canada
Organismes subventionnairesChina Postdoctoral Science Foundation
Mots-clésScheme (mathematics)Separation (statistics)GeologyComputer scienceApplied mathematicsAlgorithmMathematicsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

Abstract Numerical simulation of elastic-wave equation helps us better understand the information of underground structures and elastic-wave imaging has attracted the widespread attention of researchers. Using elastic-wave imaging requires separating the compressional and shear wavefields. Therefore, we develop a novel explicit optimized scheme to simulate the separated elastic wavefield. We construct a kind of 1-norm objective function directly utilizing the dispersion error and employ the simulated annealing algorithm to acquire improved finite-difference operators, whose optimal coefficients can effectively suppress spatial numerical dispersion. Meanwhile, we introduce a rotated staggered-grid (RSG) approach to enhance computational stability. Then, our proposed scheme, called the optimized RSG approach, is applied to the elastic-wave equations and decoupled elastic-wave equations to simulate the decoupled compressional and shear wavefield propagation. Numerical dispersion analysis is consistent with numerical results. The waveform comparison shows that the optimized RSG approach possesses higher accuracy, and several complex models are used to validate the applicability and effectiveness of the presented scheme.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,242
Écart entre enseignants0,227 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysics and EngineeringMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207