The feasibility and value of low-frequency data collected using colocated 2-Hz and 10-Hz geophones
Notice bibliographique
Résumé
ConocoPhillips acquired a production 3D surface seismic survey in 2010. The survey size was about 410 square miles recorded by 10-Hz geophones with INOVA 364 vibrators that are capable of sweeping from 1 to 150 Hz. In addition, we carried out a field experiment recording a swath of 3D surface seismic data with colocated 2-Hz and 10-Hz geophones. The cost of acquiring the 2-Hz geophone data was negligible when compared with the cost of the entire 3D survey. Because the vibrators can produce energy down to 2 Hz, the use of the 2-Hz geophone is crucial in capturing this energy. To our knowledge, this was the first field experiment employing the 2-Hz geophones and vibrators that could transmit enough low-frequency signals into the ground. The questions we investigate in this field experiment are: (1) how much low-frequency signal can be recorded using 2-Hz geophones, (2) how much degradation of low-frequency signal results from the 10-Hz geophones when compared to the 2-Hz geophones, and (3) the possibility of using the colocated data sets to enhance the low-frequency signal of 10-Hz geophone data that include both experimental and production data. The analyses of the 10-Hz and 2-Hz geophone data in prestack and poststack domains concluded that 2-Hz geophone data clearly exhibited more low-frequency signal than the 10-Hz geophone data. The 2-Hz geophone stack had low-frequency signal down to 2 Hz, and a spiking deconvolution further extended the amplitude spectrum down to 1 Hz. In addition, we develop a novel technique to derive a deterministic match filter from the colocated data sets. The application of this filter on the 10-Hz geophone data recovers the low-frequency signal below 10 Hz.
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 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».