MétaCan
Menu
Retour à la cohorte
Enregistrement W2094196067 · doi:10.1190/1.1707056

Least-squares inversion of in-situ sonic <i>Q</i> measurements: Stability and resolution

2004· article· en· W2094196067 sur OpenAlexaff
A. Dasios, C. McCann, Timothy R. Astin

Notice bibliographique

RevueGeophysics · 2004
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensMicrosemi (Canada)
Organismes subventionnairesnon disponible
Mots-clésAttenuationLogarithmWaveformResolution (logic)Inversion (geology)Least-squares function approximationAcousticsGeologyInverse transform samplingStability (learning theory)MathematicsPhysicsOpticsStatisticsMathematical analysisComputer scienceSeismologyTelecommunications

Résumé

récupéré en direct d'OpenAlex

Abstract We minimize the effect of noise and increase both the reliability and the resolution of attenuation estimates obtained from multireceiver full-waveform sonics. Multiple measurements of effective attenuation were generated from full-waveform sonic data recorded by an eight-receiver sonic tool in a gas-bearing sandstone reservoir using two independent techniques: the logarithmic spectral ratio (LSR) and the instantaneous frequency (IF) method. After rejecting unstable estimates [receiver separation < 2 ft (0.61 m)], least-squares inversion was used to combine the multiple estimates into high-resolution attenuation logs. The procedure was applied to raw attenuation data obtained with both the LSR and IF methods, and the resulting logs showed that the attenuation estimates obtained for the maximum receiver separation of 3.5 ft (1.07 m) provide a smoothed approximation of the high-resolution measurements. The approximation is better for the IF method, with the normalized crosscorrelation factor between the low- and high-resolution logs being 0.90 for the IF method and 0.88 for the LSR method.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,211
Écart entre enseignants0,184 · 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'étudeSimulation ou modélisation
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

Citations11
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysicsMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207