Application of turning-ray tomography to Hussar 2D seismic line from central Alberta
Notice bibliographique
Résumé
Summary Turning-ray tomography is a good tool for estimating near surface velocity structure, especially in areas where conventional refraction statics fail such as the case of a hidden layer. The velocity model from turning-ray tomography can be used for static correction, as a starting model for Full Waveform Inversion (FWI), and for wave equation datuming or prestack depth migration. In the work presented here, we apply turning-ray tomography to the statics problem of the Hussar 2D seismic line from central Alberta. In literature, the application of turning-ray tomography to the statics problem is commonly referred to as tomostatics. The traveltime tomography approach used in this study is similar to the constrained, damped, simultaneous, iterative reconstruction technique (CDSIRT) of Zhu et al, (1992). To verify results from tomostatics, we compare datasets after tomostatics with datasets using the delay-time method of conventional refraction statics. Our result shows that the velocity model from turning-ray tomography reveals a hidden, low-velocity layer (LVL) between two fast-velocity layers that conventional refraction statics would not detect. The hidden layer is in agreement with the interval velocities from well logs. The stacked section, after applying tomostatics, shows better continuity of events compared to the stacked section from conventional refraction statics.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».