Microseismic data denoising using a 3C group sparsity constrained time-frequency transform
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 Noise contamination is an important problem in microseismic data processing, due to the low magnitude of the seismic events induced during fluid injection. In this study, a noncoherent noise attenuation technique based on a constrained time-frequency transform is presented. When applied to 1C data, the transform corresponds to a sparse representation of the microseismic signal in terms of a dictionary of complex Ricker wavelets. The use of complex wavelets possesses the advantage that signals with arbitrary phase can be represented with enhanced sparsity. A synthetic example illustrates the superior performance of the sparse constraint for denoising objectives when compared to the standard least-squares regularization. As the arrival time and frequency content of any wavefront are equivalent in the three components of a single receiver, the extension of the sparse transform to 3C data is accomplished when the three components are considered to share the same sparsity pattern in the time-frequency plane. Application of the 3C sparse transform to synthetic and real microseismic data sets demonstrate the advantages of this technique when the denoised results are compared against the original and low-pass filtered version of the noisy data. Furthermore, a comparison of hodograms between original, low-pass, and denoised traces shows that the denoising process preserves the phase and relative amplitude information present in the input data. The benefits of the 3C transform are highlighted particularly in cases where the wave arrivals are measured in the three components of a receiver but are only visible in two components due to the prevailing signal-to-noise ratio.
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 | 0,001 |
| 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