Robust reduced-rank filtering for erratic seismic noise attenuation
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 Singular spectrum analysis (SSA) or Cadzow reduced-rank filtering is an efficient method for random noise attenuation. SSA starts by embedding the seismic data into a Hankel matrix. Rank reduction of this Hankel matrix followed by antidiagonal averaging is utilized to estimate an enhanced seismic signal. Rank reduction is often implemented via the singular value decomposition (SVD). The SVD is a nonrobust matrix factorization technique that leads to suboptimal results when the seismic data are contaminated by erratic noise. The term erratic noise designates non-Gaussian noise that consists of large isolated events with known or unknown distribution. We adopted a robust low-rank factorization that permitted use of the SSA filter in situations in which the data were contaminated by erratic noise. In our robust SSA method, we replaced the quadratic error criterion function that yielded the truncated SVD solution by a bisquare function. The Hankel matrix was then approximated by the product of two lower dimensional factor matrices. The iteratively reweighed least-squares method was used to approximately solve for the optimal robust factorization. Our algorithm was tested with synthetic and real data. In our synthetic examples, the data were contaminated with band-limited Gaussian noise and erratic noise. Then, denoising was carried out by means of f-x deconvolution, the classical SSA method, and the proposed robust SSA method. The f-x deconvolution and the classical SSA method failed to properly eliminate the noise and to preserve the desired signal. On the other hand, the robust SSA method was found to be immune to erratic noise and was able to preserve the desired signal. We also tested the robust SSA method with a data set from the Western Canadian Sedimentary Basin. The results with this data set revealed improved denoising performance in portions of data contaminated with erratic noise.
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 | 0,000 |
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