Fast dual-domain reduced-rank algorithm for 3D deblending via randomized QR decomposition
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 We have developed a fast dual-domain algorithm based on matrix rank reduction for separating simultaneous-source seismic data. Our algorithm operates on 3D common receiver gathers or offset-midpoint gathers. At a given monochromatic frequency slice in the ω-x-y domain, the spatial data of the ideal unblended common receiver or offset-midpoint gather could be represented via a low-rank matrix. The interferences from the randomly and closely fired shots increased the rank of the aforementioned matrix. Therefore, we could minimize the misfit between the blended observation and the predicted blended data subject to a low-rank constraint that was applied to the data in the ω-x-y domain. The low-rank constraint could be implemented via the classic truncated singular value decomposition (SVD) or via a randomized QR decomposition (rQRd). The rQRd yielded nearly one order of processing time improvement with respect to the truncated SVD. We have also discovered that the rQRd was less stringent on the selection of the rank of the data. The latter was important because we often had no precise knowledge of the optimal rank that was required to represent the data. We adopted a synthetic 3D vertical seismic profile and a real seismic data set acquired at the North Viking Graben to test the performance of the proposed source separation algorithm. The proposed algorithm effectively eliminated the interferences while preserving the desired unblended signal. Especially for the synthetic vertical seismic profile example, experiments were evaluated under different survey time ratios. Our tests indicated that the proposed method could save up to 90% of acquisition time under a self-simultaneous source acquisition scenario.
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 | 0,000 |
| 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 découle