L1 pseudo-Vz estimation and deghosting of single-component marine towed-streamer data
Notice bibliographique
Résumé
ABSTRACT We present a novel technique estimating the vertical component of particle motion from marine single-component pressure data. The particle motion data, bar an angle-dependent obliquity factor, is computed by convolution of the output from L1 deconvolution of the pressure ghost wavelet with the corresponding ghost wavelet of the particle motion. The estimated particle motion data is then used in a conventional 2D technique for receiver ghost attenuation by combination with the original pressure-wave data. The proposed new technique operates in the τ-p domain of individual shot-streamer records and in overlapping windows along the intercept-time axis. In each window, the L1 deconvolution is achieved by an iteratively reweighted-norm least squares algorithm. We applied our technique to deep-tow streamer data of a 3D over/sparse-under marine survey, in which six streamers were towed at a shallow depth, with two additional streamers towed deeper. Over/sparse-under technology allows using seismic measurements from a shallow streamer to be complemented by a low-frequency limited measurement from a deep streamer to achieve an estimate of the up-going pressure wave recording. The low frequencies of the deep streamer are used to boost the low frequencies of the shallow streamer, which have been heavily attenuated by the shallow tow ghost response. Our technique achieves, on this particular data, set improvements in bandwidth of the single-component pressure data, while not fully reaching the quality of the optimally deghosted data from the over/sparse-under survey.
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 | 0,000 | 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 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 ».