Improving input/output performance in 2D and 3D angle-domain common-image gathers from reverse time migration
Notice bibliographique
Résumé
ABSTRACT We have developed a new method of extracting angle-domain common-image gathers (ADCIGs) from prestack reverse time migration (RTM) that has minimal intermediate storage requirements. To include multipathing, we applied an imaging condition for prestack RTM that uses multiple excitation image times. Instead of saving the full-source snapshots at all time steps, we picked and saved only a few of the highest amplitude arrivals, and their corresponding excitation times, of the source wavefield at each grid point, and we crosscorrelated with the receiver wavefield. When extracting the ADCIGs from RTM, we calculated the source propagation direction from the gradient of the excitation times. The result was that the source time snapshots do not have to be saved or reconstructed during RTM or while extracting ADCIGs. We calculated the receiver propagation direction from Poynting vectors during the receiver extrapolation at each time step and the reflector normal direction by the phase-gradient method. With a new strategy that uses three direction vectors (the source and receiver propagation directions as well as the reflector normal direction), we provided more reliable ADCIGs that are free of low-wavenumber artifacts than any two of them do separately, when the migration velocity model was near to the correct velocity model. The 2D and 3D synthetic tests demonstrated the successful application of the new algorithms with acceptable accuracy, improved storage efficiency, and without an input/output bottleneck.
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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».