MétaCan
Menu
Retour à la cohorte
Enregistrement W1969820631 · doi:10.1190/tle32040402.1

Volumetric estimates of seismic reflector rotation and convergence—tools for mapping rotation about faults and seismic stratigraphy

2013· article· en· W1969820631 sur OpenAlexaff
Satinder Chopra, Kurt J. Marfurt

Notice bibliographique

RevueThe Leading Edge · 2013
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensARC Resources (Canada)
Organismes subventionnairesnon disponible
Mots-clésGeologyStratigraphyOnlapSedimentary depositional environmentFaciesAnticlineSeismologyPaleontologyTectonicsStructural basin

Résumé

récupéré en direct d'OpenAlex

Geometric attributes such as coherence and curvature are commonly used for mapping structural deformation and depositional environment. Coherence proves useful for identification of faults, channel edges, reef edges, and collapse features while curvature images folds, flexures, subseismic conjugate faults that appear as drag or as folds adjacent to faults, rollover anticlines, diagenetically altered fractures, karst, and differential compaction over channels. Unfortunately, these two attributes have limited value in imaging classic seismic stratigraphy features such as progradation and erosional truncation. Seismic stratigraphy refers to the analysis of the configuration and termination of seismic reflection events, packages of which are then interpreted as stratigraphic patterns. These packages are then correlated to well-known patterns such as toplap, onlap, downlap, hummocky clinoforms, and so forth, which in turn represent architectural elements of a depositional environment (Mitchum et al., 1977). By integrating these elements with well control as well as modern and paleo analogs, the interpreter produces a probability map of lithofacies. Seismic facies also thicken and thin with increasing and decreasing accommodation space. Rotation of lithologic units about faults can provide increased accommodation space or subject uplifted areas to erosion.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,813
Score d'incertitude au seuil0,327

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 Opus0,030
Tête enseignante GPT0,253
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'étudeAutre devis
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

Citations8
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Leading EdgeMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207