Velocity-independent layer stripping of PP and PS reflection traveltimes
Notice bibliographique
Résumé
Abstract Building accurate interval velocity models is critically important for seismic imaging and AVO (amplitude variation with offset) analysis. Here, we adapt the PP+PS=SS method to develop an exact technique for constructing the interval traveltime-offset function in a target zone beneath a horizontally layered overburden. All layers in the model can be anisotropic, with an essential assumption that the overburden has a horizontal symmetry plane (i.e., up-down symmetry). Our layer-stripping algorithm is entirely data-driven and, in contrast to the generalized Dix equations, does not require knowledge of the velocity field anywhere in the medium. Important advantages of our approach compared to the Dix-style formalism also include the ability to handle mode-converted waves, long-offset data, and laterally heterogeneous target layers with multiple, curved reflectors. Numerical tests confirm the high accuracy of the algorithm in computing the interval traveltimes of both PP- and PS-waves in a dipping, transversely isotropic layer with a tilted symmetry axis (TTI medium) beneath an anisotropic overburden. In combination with the inversion techniques developed for homogeneous TTI models, the proposed layer stripping of PP and PS data can be used to estimate the interval parameters of TTI formations in such important exploration areas as the Canadian Foothills. Potential applications of this methodology also include the dip-moveout inversion for the P-wave time-processing parameter η and stable computation of the interval long-spread (nonhyperbolic) moveout for purposes of anisotropic velocity analysis.
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 ».