MétaCan
Menu
Retour à la cohorte
Enregistrement W2122996575 · doi:10.1190/geo2012-0451.1

Spatial sampling, migration aliasing, and migrated amplitudes

2013· article· en· W2122996575 sur OpenAlexaff
Samuel H. Gray

Notice bibliographique

RevueGeophysics · 2013
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensVirtual Materials Group (Canada)
Organismes subventionnairesnon disponible
Mots-clésAliasingGridSeismic migrationContext (archaeology)Sampling (signal processing)ExtrapolationAmplitudeComputer scienceGeologySeismologyGeodesyMathematicsPhysicsOpticsComputer visionMathematical analysisFilter (signal processing)

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Seismic migration is a multichannel process, in which some of the properties depend on various grid spacings. First, there is the acquisition grid, which actually consists of two grids: a grid of source locations and, for each source location, a grid of receiver locations. In addition, there is a third grid, the migration grid, whose spacings also affect properties of the migration. Sampling theory imposes restrictions on migration, limiting the frequency content that can be migrated reliably given the grid spacings. The presence of three grids complicates the application of sampling theory except in unusual situations (e.g., the isolated migration of a single shot record). I analyzed the effects of the grids on different types of migration (Kirchhoff, wavefield extrapolation migration, and slant-stack migration), specifically in the context of migration operator antialiasing. I evaluated general antialiasing criteria for the different types of migration; my examples placed particular emphasis on one style of data acquisition, orthogonal source and receiver lines, which is commonly used on land and which presents particular challenges for the analysis. It is known that migration artifacts caused by inadequate antialiasing can interfere with velocity and amplitude analyses. I found, in addition, that even migrations with adequate antialiasing protection can have the side effect of inaccurate amplitudes resulting from a given acquisition, and I tested how this effect can be compensated.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,727
Score d'incertitude au seuil0,913

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
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 Opus0,015
Tête enseignante GPT0,212
Écart entre enseignants0,197 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations38
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysicsMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207