Analysis of velocity dispersion using full‐waveform multichannel sonic logging data: A case study
Notice bibliographique
Résumé
ABSTRACT Seismic attenuation and velocity dispersion are potentially able to reveal the rock physical properties of the subsurface. Conventionally, a frequency‐independent quality factor ( Q ) is measured. This Q is equivalent to the total velocity dispersion in a seismic record and is inadequate for analysing the attenuation mechanism or rock physical properties. Here a new method is proposed to extract the velocity dispersion curves so that more attributes can be obtained from full‐waveform multichannel sonic logging data, especially the critical frequency ( f c ) if it is within the bandwidth of the data. This method first decomposes the seismic data into a series of frequency components, computes the semblance of each frequency component for different velocity values, cross‐correlates the semblance matrices of adjacent frequency components to get the velocity gradients, and finally integrates to obtain a velocity dispersion curve. Results of this method are of satisfactory accuracy and robustness. This method is applied to the data acquired in Mallik 5L‐38 gas hydrate research well in Mackenzie Delta, Northwest Territories, Canada. The observed P‐wave velocity dispersion compares well with the geological setting. In the gas hydrate zone (about 900 m–1100 m), high concentration of gas hydrate causes very strong velocity dispersion and a distinct f c at about 15 kHz, likely due to strong scattering of centimetre‐scale inclusions of gas hydrate; concurrently, water flow in connected cracks in some ranges of this zone adds a large part of velocity dispersion and a dimmer f c at about 9.5 kHz. Immediate underneath the gas hydrate zone, abundant free water in weakly laminated sediments causes quite strong velocity dispersion and an f c at about 6.5 kHz. Velocity dispersion is mild and without an obvious f c in sediments above the gas hydrate zone.
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 | 0,001 |
| 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 ».