Recent applications of turning-ray tomography
Notice bibliographique
Résumé
Abstract Recent applications of 2D and 3D turning-ray tomography show that near-surface velocities are important for structural imaging and reservoir characterization. For structural imaging, we used turning-ray tomography to estimate the near-surface velocities for static corrections followed by prestack time migration and the near-surface velocities for prestack depth migration. Two-dimensional acoustic finite-difference modeling illustrates that wave-equation prestack depth migration is very sensitive to the near-surface velocities. Field data demonstrate that turning-ray tomography followed by prestack time migration helps to produce superior images in complex geologic settings. When the near-surface velocity model is integrated into a background velocity model for prestack depth migration, we find that wave propagation is very sensitive to the velocities immediately below the topography. For shallow-reservoir characterization, we developed and applied azimuthal turning-ray tomography to investigate observed apparent azimuthal-traveltime variations, using a wide-azimuth land seismic survey from a heavy-oil field at Surmont, Canada. We found that the apparent azimuthal velocity variations are not necessarily related to azimuthal anisotropy, or horizontal transverse isotropy (HTI), induced by the stress field or fractures. Near-surface heterogeneity and the acquisition footprint also could result in apparent azimuthal variations.
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 ».