Fast least-squares imaging with surface-related multiples: Application to a North Sea data set
Notice bibliographique
Résumé
Abstract In marine seismic acquisition, surface-related multiples constitute a significant portion of the acquired data. Typically, multiples are removed during early-stage data processing because they can lead to phantom reflectors during migration that might result in erroneous geologic interpretations. However, if properly dealt with, multiples can provide valuable extra information and can complement primaries in illuminating the subsurface. Reverse time migration has limitations in imaging multiples. A computationally efficient inversion procedure is proposed which jointly maps primaries and multiples to the true reflectors and estimates the source function on the fly. As a result, high-quality, mostly artifact-free broad-band images are obtained in which the imprint of the source function is partly removed at a computationally affordable expense compared with the combined costs of wave-equation-based surface-related multiple elimination and reverse time migration. All this is achieved by including the total downgoing wavefields as areal sources in least-squares migration in combination with curvelet-domain sparsity promotion. The proposed method is applied to a shallow-water marine data set from the North Sea which contains abundant short-period surface-related multiples, and the efficacy of the method is shown in eliminating coherent imaging artifacts associated with multiples. The benefits of joint imaging of primaries and multiples are demonstrated compared with imaging these signal components separately.
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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».