Le trafic ferroviaire comme source de bruit sismique pour l'imagerie de la croûte peu profonde par interférométrie sismique
Bibliographic record
Abstract
Les sismologues sont à la recherche de nouvelles méthodes, de préférence peu coûteuses, pour cartographier la structure complexe des quelques kilomètres supérieurs de la croûte. L'imagerie sismique passive apparaît comme une approche nouvelle, peu coûteuse et respectueuse de l'environnement pour explorer le sous-sol dans le contexte minier. Typiquement, l'interférométrie sismique passive repose sur des corrélations de longues séries temporelles de bruit sismique ou d'ondes coda. Dans cette thèse, nous proposons une approche complémentaire : l'interférométrie sismique utilisant des sources opportunes, plus précisément des sources mobiles qui ne sont pas stationnaires dans le temps. Cette nouvelle approche repose sur une compréhension précise du mécanisme de la source sismique, une sélection minutieuse de la fenêtre temporelle du signal et des paires de stations, et l'identification de la phase sismique (ondes de surface et de volume).Les trains de marchandises massifs n'ont été reconnus que récemment comme une source sismique culturelle (d'origine humaine) puissante et persistante. Par exemple, le passage d'un train peut générer d'une énergie équivalente à un tremblement de terre M1 et être détectable jusqu'à 100 km de la voie. Ainsi, ces signaux de train peuvent être considérés comme une source sismique appropriée pour l'interférométrie sismique passive car ils sont facilement disponibles, détectables, répétables et génèrent une énergie large bande à haute fréquence. Pour illustrer le potentiel de cette nouvelle méthode, nous présentons une étude de cas dans un contexte d'exploration minière sur le site de Marathon en Ontario, Canada.Le jeu de données de Marathon consiste en 30 jours de données sismiques continues enregis-trées par un réseau dense de 1020 capteurs à 1 composante. Tout d'abord, les sources de bruit sismique ambiant, y compris les signaux de train, sont identifiées et caractérisées, et les mécanismes de source des signaux de train sont discutés. Ensuite, nous avons développé la théorie de l'interférométrie sismique appliquée aux sources ponctuelles et conçu un nouveau workflow pour traiter et analyser ce type de données. Grace à ce traitement, les ondes de volume et de surface se propageant entre des paires de stations soigneusement orientées sont récupérées. Enfin, ces arrivées sont sélectionnées pour générer un modèle de vitesse sismique 3D de la zone proche de la surface de Marathon. Nous discutons des avantages et des inconvénients de la méthode par rapport aux approches plus standard en utilisant la modélisation numérique, et en nous concentrant spécifiquement sur le potentiel d'imagerie des ondes de volume et de récupération de l'anisotropie azimutale. Loin d'être limitée à l'imagerie proche de la surface, cette nouvelle méthode d'analyse des sources sismiques opportunes peut être appliquée dans une variété de contextes et d'échelles en utilisant des signaux naturels et artificiels.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".