Five ways to avoid storing source wavefield snapshots in 2D elastic prestack reverse time migration
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 Five alternative algorithms were evaluated to circumvent the excessive storage requirement imposed by saving source wavefield snapshots used for the crosscorrelation image condition in 2D prestack elastic reverse time migration. We compared the algorithms on the basis of their ability, either to accurately reconstruct (not save) the source wavefield or to use an alternate image condition so that neither saving nor reconstruction of full wavefields was involved. The comparisons were facilitated by using the same (velocity-stress) extrapolator in all the algorithms, and running them all on the same hardware. We assumed that there was enough memory in a node to do an extrapolation, and that all input data were stored on disk rather than residing in random-access memory. This should provide a fair and balanced comparison. Reconstruction of the source wavefield from boundary and/or initial values reduced the required storage to a very small fraction of that needed to store source wavefield snapshots for conventional crosscorrelation, at the cost of adding an additional source extrapolation. Reverse time checkpointing avoided recursive forward recomputation. Two nonreconstructive imaging conditions do not require full snapshot storage or an additional extrapolation. Time-binning the imaging criteria removed the need for image time searching or sorting. Numerical examples using elastic data from the Marmousi2 model showed that the quality of the elastic prestack PP and PS images produced by the cost-optimized alternative algorithms were (virtually) identical to the higher cost images produced by traditional crosscorrelation.
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 | 0,000 |
| 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 | 0,001 |
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