Crooked-line 2D seismic reflection imaging in crystalline terrains: Part 1, data processing
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,001 |
| 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 découle