MétaCan
Menu
Retour à la cohorte
Enregistrement W1848040503 · doi:10.1190/geo2015-0044.1

Fast simultaneous seismic source separation using Stolt migration and demigration operators

2015· article· en· W1848040503 sur OpenAlexafffund
Amr Ibrahim, Mauricio D. Sacchi

Notice bibliographique

RevueGeophysics · 2015
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFourier transformRadon transformAlgorithmComputer scienceOperator (biology)Source separationInverseInterference (communication)MathematicsMathematical analysisComputer visionGeometry

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Stolt migration is a Fourier-domain imaging operator that assumes a constant-velocity media. We have developed a multivelocity version of the Stolt migration and demigration operators to derive a transform that can decompose seismic data into a sparse collection of coefficients in the image space. This Stolt-based transform is similar to the apex-shifted hyperbolic Radon transform (ASHRT). However, the Stolt-based transform is considerably faster than the classical ASHRT because it uses two fast operators (forward and inverse fast Fourier transforms) to estimate the data coefficients in the image space. We used this Stolt-based transform as a tool for simultaneous seismic source separation by removing erratic interference noise in common receiver gathers. Estimating the coefficients of interference-free seismic data using the Stolt-based transform was posed as an inverse problem. The solution of this inverse problem was found by minimizing a cost function that included a sparsity-promoting regularization term. In addition, the cost function incorporated a robust misfit function that was not sensitive to erratic interferences. Our tests on synthetic and field data examples determined that this new transform can efficiently remove interference noise and achieve fast simultaneous seismic source separation.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,506
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

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

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 Opus0,019
Tête enseignante GPT0,240
Écart entre enseignants0,222 · 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 tête enseignante, 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

Citations32
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeophysicsMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207