Integrating FWI with Surface-wave Inversion to Enhance Near-surface Modelling in a Shallow-water Setting at Eldfisk
Notice bibliographique
Résumé
Summary Following a ‘noise becomes signal’ philosophy, we have successfully integrated surface-wave inversion and early-arrival full-waveform inversion on a multicomponent ocean-bottom cable dataset, thus extracting more information from the recorded field data. In the near-surface above the Eldfisk Field, Norwegian North Sea, two perpendicular sets of Pleistocene subglacial tunnel valley systems have been resolved at two depth ranges between the seabed and 300m depth of the updated Vp model by this integrated inversion scheme. This indicates that the integrated near-surface Vp model is of high resolution both laterally and vertically and explains surface-waves and the early arrivals, diving waves, or both. We have demonstrated that surface-wave inversion complements full-waveform inversion by providing a near-surface (0–150 m) Vp model in a depth range where full-waveform inversion techniques typically produce suboptimal results due to null-space issues, vertical resolution limitations and errors in source wavelet, density approximations, multiple modelling, and acoustic assumptions. The combined full-waveform inversion and surface-wave inversion Vp model update in the near-surface significantly flattens the common-image gather events between 0–1000 m and deeper. This confirms the validity of these near-surface updates.
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 ».