Notice bibliographique
Résumé
ABSTRACT We developed a sparse multichannel blind deconvolution (SMBD) method. The method is a modification of the multichannel blind deconvolution technique often called Euclid deconvolution, in which the multichannel impulse response of the earth is estimated by solving an homogeneous system of equations. Classical Euclid deconvolution is unstable in the presence of noise and requires the correct estimation of the length of the seismic wavelet. The proposed method, on the other hand, can tolerate moderate levels of noise and does not require a priori knowledge of the length of the wavelet. SMBD solves the homogeneous system of equations arising in Euclid deconvolution by imposing sparsity on the unknown multichannel impulse response. Trivial solutions to the aforementioned homogeneous system of equations are avoided by seeking sparse solutions on the unit sphere. We tested SMBD with synthetic and real data examples. Synthetic examples were used to judge the viability of the method in terms of noise. We found that SMBD gives reasonable estimates of the wavelet and reflectivity series for S/N≥4. The results clearly deteriorated when we tried to work on data that were severely contaminated by noise. A real marine data set was also used to test SMBD. In this case, the estimated wavelet was compared with a wavelet estimated by averaging first breaks. The estimated wavelet showed a noticeable resemblance to the average first break with normalized correlation coefficient of 0.92.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».