MARC

 008260126s2025        us                              c    eng  d
■001000017359456
■00520260202105121
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798293884827
■035    ▼a(MiAaPQ)AAI32238343
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a550
■1001  ▼aChien,  Chih-Chieh.
■24510▼aDAS  Signal  Analysis  with  Autoencoders,  Strainmeter  Comparisons,  and  Near-Surface  Tomography
■260    ▼a[Sl]▼bUniversity  of  California,  San  Diego▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a131  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-03,  Section:  B.
■500    ▼aAdvisor:  Gerstoft,  Peter.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  San  Diego,  2025.
■520    ▼aThis  dissertation  demonstrates  the  potential  of  Distributed  Acoustic  Sensing  (DAS)  for  advancing  seismological  studies  through  applications  in  seismic  monitoring,  calibration,  and  near-surface  imaging.Chapter  2  applies  unsupervised  machine  learning  to  seismic  data  recorded  during  hydraulic  stimulation  at  the  Frontier  Observatory  for  Research  in  Geothermal  Energy  (FORGE)  in  Utah.  A  borehole  DAS  array  captured  signals  during  fluid  injection  in  April  and  May  2019.  Spectrograms  of  detected  events  were  compressed  into  a  nine-dimensional  latent  feature  space  using  a  deep  autoencoder,  and  Gaussian  mixture  model  clustering  classified  signals  into  seven  categories.  Spatiotemporal  analysis  revealed  a  bimodal  depth  distribution,  with  shallow  detections  between  250--500  m  and  deeper  signals  near  750  m.  Two  dominant  classes  showed  weak  or  no  correlation  with  injection  activity,  demonstrating  the  ability  to  rapidly  identify,  categorize,  and  explore  seismic  signals  for  insights  into  source  mechanisms.Chapter  3  addresses  the  calibration  of  DAS  strain  measurements  by  comparing  them  with  Optical  Fiber  Strainmeters  (OFSs)  and  seismometer-derived  strain.  A  dark-fiber  cable  spanning  Whidbey  and  Camano  Islands  in  Washington  recorded  strain  using  both  DAS  and  OFS  Michelson  interferometers.  Teleseismic  earthquake  data  showed  strong  agreement  between  summed  DAS  channels  and  OFS  measurements,  though  amplitude  discrepancies  revealed  imperfect  cable  coupling.  A  piezoelectric  cylinder  experiment  provided  ground-truth  strain,  highlighting  reduced  DAS  amplitudes  at  lower  frequencies.  Additionally,  underwater  DAS  signals  correlated  with  tidal  current  velocity,  and  coherence  analysis  with  OFS  data  enabled  source  localization.  These  results  underscore  the  need  for  amplitude  calibration  and  demonstrate  the  environmental  sensitivity  of  DAS.Chapter  4  presents  a  high-resolution  near-surface  seismic  tomography  of  coastal  Del  Mar,  California,  using  a  14.7  km  buried  DAS  array  that  recorded  train-induced  vibrations.  Cross-correlation  between  DAS  channels  and  beamforming  of  the  correlated  signals  produced  1D  shear-wave  velocity  profiles  along  the  fiber,  which  were  combined  into  a  2D  tomographic  model.  Low-velocity  zones  in  the  San  Dieguito  Valley  and  Los  Penasquitos  Lagoon  correspond  to  thick  alluvial  and  lagoonal  sediments,  and  two  low-Vs30  regions  along  the  coastal  bluff  coincide  with  sand-rich  or  artificial  fill  deposits.  Diurnal  DAS  strain  variations  further  indicate  temperature  sensitivity  and  potential  fiber  spool  locations.These  chapters  show  that  DAS  enables  automated  seismic  monitoring,  quantitative  strain  calibration,  and  high-resolution  subsurface  imaging,  providing  a  versatile  and  cost-effective  tool  for  geophysical  research.
■590    ▼aSchool  code:  0033.
■650  4▼aGeophysics
■653    ▼aAutoencoders
■653    ▼aStrainmeter
■653    ▼aDistributed  Acoustic  Sensing
■653    ▼aSeismology
■690    ▼a0373
■690    ▼a0467
■71020▼aUniversity  of  California,  San  Diego▼bScripps  Institution  of  Oceanography.
■7730  ▼tDissertations  Abstracts  International▼g87-03B.
■790    ▼a0033
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17359456▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books