Introduction to this special section: Imaging/inversion: Estimating the earth model
Notice bibliographique
Résumé
Most of our efforts as oil and gas geoscientists are directed toward estimating the earth model. In addition, most of our earth-model estimation involves inversion of one kind or another, even if we don't think explicitly in terms of inversion. When we specialize to seismic, as all seven articles in this special section do, “Imaging/inversion: Estimating the earth model” describes our work. Seismic is a big field, however, and we have not always regarded it as being so unified. After all, what could topics as different as (for example) seismic imaging of structural targets and estimation of reservoir properties possibly have in common? As it turns out, the answer is “plenty,” and our realization of this fact has helped us get better at our jobs; our structural images benefit from knowledge of rock and reservoir properties, and our rock-property estimates improve when we use information from seismic imaging. So the historic concept of a “seismic chain,” whose separate links are acquisition, preprocessing, imaging, inversion, and interpretation, is gradually breaking down as we realize how each step quantitatively influences all the others. In fact, as some of the articles in this section illustrate, the sequential chain is being replaced by a more sophisticated set of feedback loops where the derived information may be used to improve the final result.
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 | 0,001 | 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 | 0,001 | 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) | 0,002 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».