Accurate acoustic and elastic beam migration without slant stack for complex topography
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Recent trends in seismic exploration have led to the collection of more surveys, often with multi-component recording, in onshore settings where both topography and subsurface targets are complex, leading to challenges for processing methods. Gaussian beam migration (GBM) is an alternative to single-arrival Kirchhoff migration, although there are some issues resulting in unsatisfactory GBM images. For example, static correction will give rise to the distortion of wavefields when near-surface elevation and velocity vary rapidly. Moreover, Green’s function compensated for phase changes from the beam center to receivers is inaccurate when receivers are not placed within some neighborhood of the beam center, that is, GBM is slightly inflexible for irregular acquisition system and complex topography. As a result, the differences of both the near-surface velocity and the surface slope from the beam center to the receivers and the poor spatial sampling of the land data lead to inaccuracy and aliasing of the slant stack, respectively. In order to improve the flexibility and accuracy of GBM, we propose accurate acoustic, PP and polarity-corrected PS beam migration without slant stack for complex topography. The applications of this method to one-component synthetic data from a 2D Canadian Foothills model and a Zhongyuan oilfield fault model, one-component field data and an unseparated multi-component synthetic data demonstrate that the method is effective for structural and relatively amplitude-preserved imaging, but significantly more time-consuming.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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