MétaCan
Menu
Retour à la cohorte
Enregistrement W1990944314 · doi:10.1190/tle26121624.1

The birth of spectral decomposition

2007· article· en· W1990944314 sur OpenAlexaboutno aff
Greg Partyka

Notice bibliographique

RevueThe Leading Edge · 2007
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWaveletTRACE (psycholinguistics)Window (computing)GeologyCoalMoment (physics)Point (geometry)Line (geometry)Interference (communication)Mining engineeringSeismologyMineralogyComputer scienceChemistryMathematicsGeometryArtificial intelligenceTelecommunications

Résumé

récupéré en direct d'OpenAlex

It was definitely a eureka moment, in fact several eureka moments along the way. The first came in 1991–1992 when I was working in the technology group at Amoco Canada. A key processing step before handing seismic data to the interpreters was shaping the source wavelet in each 2D line to a consistent spectral shape. Some of the data sets contained strong coal reflections overlying the geologic zone of interest. It was very important to stay away from such coal reflections when doing the spectral matching/shaping because the interference from these strong coal reflections would contaminate the wavelet information. Such contaminated spectra seemed to show more about the coals than about the wavelet we were trying to characterize. So the thought was, if a short window around the coals tells us something about the coals, then why don't we see if a short window around a target zone of interest tells us something about that zone of interest. A 2D testline across well control seemed like a good place to start investigating this idea. The resulting trace-by-trace, short window amplitude spectra revealed a great deal of interesting variability. The eureka moment occurred as soon as I saw that those variations in spectral content seemed to be associated with geologic heterogeneity. Repeating the experiment on a 2D stratigraphic seismic model showed interference patterns that were similar to those observed in the real data. At that point, I was hooked and knew there was so much more potential under that rock.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,017
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,009
Communication savante0,0060,007
Science ouverte0,0010,004
Intégrité de la recherche0,0030,008
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,014
Tête enseignante GPT0,253
Écart entre enseignants0,239 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

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