MétaCan
Menu
Retour à la cohorte
Enregistrement W2029928762 · doi:10.1190/1.1543213

Crooked-line 2D seismic reflection imaging in crystalline terrains: Part 1, data processing

2003· article· en· W2029928762 sur OpenAlexaff
M. R. Nedimović, G. F. West

Notice bibliographique

RevueGeophysics · 2003
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésGeologyStackingTerrainNormal moveoutReflection (computer programming)Stack (abstract data type)ResidualMidpointLine (geometry)SIGNAL (programming language)Wedge (geometry)Data processingSeismologySeismic surveyMineralogyComputer scienceOpticsAlgorithmGeometryPhysicsAnisotropyGeographyMathematicsCartographyDatabase

Résumé

récupéré en direct d'OpenAlex

Abstract For cost and access reasons, most of the seismic reflection data collected in crystalline terrains have been acquired by 2D crooked-line profiling. When the survey geometry is significantly irregular and the geologic structures have cross-profile dip, several standard 2D imaging procedures severely underperform. As a result, reflection signal is poorly aligned across individual common midpoint (CMP) gathers, and much is lost during the CMP stack. To improve imaging, either the methods used to align signal before stack need to be modified or more tolerant methods of combining trace signals than the standard CMP stack need to be applied. Because a high-fold 2D crooked-line profile is really a 3D survey of a swath of terrain around the processing line, better signal alignment before CMP stacking may be achieved by revisiting the traveltime equation and including the cross-dip terms into the moveout calculations. Therefore, in addition to the correction of NMO and in-line dip moveout (DMO), we also locally compute and subsequently remove cross-dip moveout (CDMO). This requires a procedure for estimating the amount of cross-dip associated with each local reflection event. Stacking after the successful removal of the CDMO yields what we call an optimum cross-dip stack—a seismic section that is significantly more complete and informative than the standard stack. Alternatively, amplitude stacking appears to be more robust to residual time anomalies. When little or no cross-dip information can be extracted from the 2D crooked-line data, we use it as a last resort to obtain a section that contains more structural information than the standard stack.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,039
Tête enseignante GPT0,266
Écart entre enseignants0,227 · 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'étudeExpérimental (laboratoire)
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

Citations69
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysicsMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207