Buchumschlag

End-to-End Mineral Exploration with Artificial Intelligence and Ambient Noise Tomography

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Muir, Jack, Olivier, Gerrit, Reid, Anthony
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Geophysics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

An End-to-End Differentiable, Graph Neural Network-Embedded Pore Network Model for Permeability Prediction
von: Zhao, Qingqi, et al.
Veröffentlicht: (2025)

Diffusion-Inversion-Net (DIN): An End-to-End Direct Probabilistic Framework for Characterizing Hydraulic Conductivities and Quantifying Uncertainty
von: Zhang, Xun, et al.
Veröffentlicht: (2025)

Ambient Noise Full Waveform Inversion with Neural Operators
von: Zou, Caifeng, et al.
Veröffentlicht: (2025)

Seismic Traveltime Tomography with Label-free Learning
von: Wang, Feng, et al.
Veröffentlicht: (2024)

Evaluation of Seismic Artificial Intelligence with Uncertainty
von: Myren, Samuel, et al.
Veröffentlicht: (2025)

Integrating Artificial Intelligence and Geophysical Insights for Earthquake Forecasting: A Cross-Disciplinary Review
von: Ying, Zhang, et al.
Veröffentlicht: (2025)

Seismic Imaging of the Southern Vienna Basin (Austria) Using Probabilistic Ambient‐Noise Tomography
von: Clement Esteve, et al.
Veröffentlicht: (2025)

Pi theorem formulation of flood mapping
von: Bartlett, Mark S., et al.
Veröffentlicht: (2022)

Direct-3D Variational Bayesian Surface Wave Inversion and Its Application to Ambient Noise Tomography beneath Great Britain
von: Zhao, Xuebin, et al.
Veröffentlicht: (2025)

Improving Global Weather and Ocean Wave Forecast with Large Artificial Intelligence Models
von: Ling, Fenghua, et al.
Veröffentlicht: (2024)

Towards End-to-End Earthquake Monitoring Using a Multitask Deep Learning Model
von: Zhu, Weiqiang, et al.
Veröffentlicht: (2025)

Discovery and inversion of the viscoelastic wave equation in inhomogeneous media
von: Chen, Su, et al.
Veröffentlicht: (2024)

Controllable seismic velocity synthesis using generative diffusion models
von: Wang, Fu, et al.
Veröffentlicht: (2024)

First observations of the seiche that shook the world
von: Monahan, Thomas, et al.
Veröffentlicht: (2024)

WaveCastNet: Rapid Wavefield Forecasting for Earthquake Early Warning via Deep Sequence to Sequence Learning
von: Lyu, Dongwei, et al.
Veröffentlicht: (2024)

Explainable AI models for predicting liquefaction-induced lateral spreading
von: Hsiao, Cheng-Hsi, et al.
Veröffentlicht: (2024)

Diffusion-based subsurface CO$_2$ multiphysics monitoring and forecasting
von: Huang, Xinquan, et al.
Veröffentlicht: (2024)

Approaches for enhancing extrapolability in process-based and data-driven models in hydrology
von: Shi, Haiyang
Veröffentlicht: (2024)

SeisLM: a Foundation Model for Seismic Waveforms
von: Liu, Tianlin, et al.
Veröffentlicht: (2024)

A foundation model enpowered by a multi-modal prompt engine for universal seismic geobody interpretation across surveys
von: Gao, Hang, et al.
Veröffentlicht: (2024)

SeisFusion: Constrained Diffusion Model with Input Guidance for 3D Seismic Data Interpolation and Reconstruction
von: Wang, Shuang, et al.
Veröffentlicht: (2024)

RECOVAR: Representation Covariances on Deep Latent Spaces for Seismic Event Detection
von: Efe, Onur, et al.
Veröffentlicht: (2024)

Data-Driven Dynamic Friction Models based on Recurrent Neural Networks
von: Cortes, Gaëtan, et al.
Veröffentlicht: (2024)

Gas trap prediction from 3D seismic and well test data using machine learning
von: Ivlev, Dmitry
Veröffentlicht: (2024)

Time Series Foundation Models and Deep Learning Architectures for Earthquake Temporal and Spatial Nowcasting
von: Jafari, Alireza, et al.
Veröffentlicht: (2024)

Machine learning surrogates for efficient hydrologic modeling: Insights from stochastic simulations of managed aquifer recharge
von: Dai, Timothy, et al.
Veröffentlicht: (2024)

Deep Learning Framework for History Matching CO2 Storage with 4D Seismic and Monitoring Well Data
von: Wang, Nanzhe, et al.
Veröffentlicht: (2024)

Multiple-Input Fourier Neural Operator (MIFNO) for source-dependent 3D elastodynamics
von: Lehmann, Fanny, et al.
Veröffentlicht: (2024)

Geological and Well prior assisted full waveform inversion using conditional diffusion models
von: Wang, Fu, et al.
Veröffentlicht: (2024)

Uncertainties of Satellite-based Essential Climate Variables from Deep Learning
von: Gou, Junyang, et al.
Veröffentlicht: (2024)

Effective Data Selection for Seismic Interpretation through Disagreement
von: Benkert, Ryan, et al.
Veröffentlicht: (2024)

Path Signatures and Graph Neural Networks for Slow Earthquake Analysis: Better Together?
von: Riess, Hans, et al.
Veröffentlicht: (2024)

Groningen: Spatial Prediction of Rock Gas Saturation by Leveraging Selected and Augmented Well and Seismic Data with Classifier Ensembles
von: Ivlev, Dmitry
Veröffentlicht: (2024)

Retrieving snow depth distribution by downscaling ERA5 Reanalysis with ICESat-2 laser altimetry
von: Liu, Zhihao, et al.
Veröffentlicht: (2024)

Double Difference Earthquake Location with Graph Neural Networks
von: McBrearty, Ian W., et al.
Veröffentlicht: (2024)

GenAI4UQ: A Software for Inverse Uncertainty Quantification Using Conditional Generative Models
von: Fan, Ming, et al.
Veröffentlicht: (2024)

Thermal Earth Model for the Conterminous United States Using an Interpolative Physics-Informed Graph Neural Network (InterPIGNN)
von: Aljubran, Mohammad J., et al.
Veröffentlicht: (2024)

Uncertainty Quantification in Seismic Inversion Through Integrated Importance Sampling and Ensemble Methods
von: Qu, Luping, et al.
Veröffentlicht: (2024)

Deep Learning Forecasts Caldera Collapse Events at Kilauea Volcano
von: McBrearty, Ian W., et al.
Veröffentlicht: (2024)

Predicting the Geothermal Gradient in Colombia: a Machine Learning Approach
von: Mejía-Fragoso, Juan Camilo, et al.
Veröffentlicht: (2024)