MétaCan
Menu
Retour à la cohorte
Enregistrement W2129047728 · doi:10.1190/geo2015-0162.1

Double-weave 3D seismic acquisition — Part 2: Seismic modeling and subsurface fold analyses

2015· article· en· W2129047728 sur OpenAlexaff
Mostafa Naghizadeh

Notice bibliographique

RevueGeophysics · 2015
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensShell (Canada)Alberta EnergyUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésOffset (computer science)Interpolation (computer graphics)Data acquisitionFold (higher-order function)Computer scienceAlgorithmZigzagBinAzimuthMidpointGeologyMathematicsGeometryComputer graphics (images)

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The compatibility of 3D double-weave acquisition designs with sparse Fourier reconstruction algorithms was examined using simple modeled seismic data. Zigzag and orthogonal double-weave acquisitions and random acquisition all had successful 5D sparse Fourier interpolation results. However, the simplicity and regularity of double-weave acquisition made it a more attractive alternative to random acquisition. The subsurface fold analysis of double-weave acquisition reveals nonuniform distribution of midpoint sampling in comparison with random and traditional orthogonal acquisition layouts. This can be alleviated by either using larger bin sizes or introducing random shifts to the shot-receiver lines of double-weave acquisition layouts. Zigzag double-weave acquisition reveals a more uniform offset-azimuth distribution compared with orthogonal double-weave, random, and traditional orthogonal acquisitions.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,277
Score d'incertitude au seuil0,999

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)0,0000,000

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 Opus0,067
Tête enseignante GPT0,273
Écart entre enseignants0,205 · 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'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

Citations4
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysicsMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207