Notice bibliographique
Résumé
Abstract In the introduction to his comprehensive SEG textbook, Seismic Data Processing, Oz Yilmaz selects deconvolution, common-midpoint stacking and migration as being the three principal processes that are applied during routine seismic processing. Since Yilmaz's tome was first published in 1987, a vast number of papers have been published and conference presentations have been given on virtually every aspect of seismic processing. However, I think it is still accurate to say that the same three processes dominate the processing flow of the vast majority of seismic data that is processed now, at the beginning of the twenty-first century. This is not to say that important progress has not been made in many aspects of seismic processing and that much more sophisticated processing flows are now applied to some datasets. But it is a great tribute to the real pioneers of our profession—the people who advanced our ideas of seismic processing from examining raw analog records in the field to creating crisp computer-generated images of the subsurface with processes such as deconvolution, stack and migration—that the very same, or similar, algorithms that they invented still form the backbone of everyday processing that is done around the world today. In fact, there are times when it seems that the last great geophysicist was Carl Friedrich Gauss, because the method that he published back in 1823 of minimizing the sum of the squared errors seems to be used almost everywhere one looks in seismic processing, from deconvolution to migration.
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 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».