Reducing under-sampling artifacts in 3D true-amplitude RTM angle gathers
Notice bibliographique
Résumé
High resolution true-amplitude RTM Angle-Domain Common Image Gathers (ADCIGs), indexed by subsurface reflection and azimuth angles, can be used for:Evaluation of complex velocity models with multiple arrivalsMore reliable automatic picking of event curvature for tomographic inversionAngle-domain NMO de-stretchAzimuthal AVA analysisAzimuthal anisotropy analysisAngle-dependent subsurface illumination compensationOptimal adaptive stackingMultiple attenuation in subsalt areaImpedance and velocity inversionScattering-angle filtering for FWIRemoval of RTM backscattered low-frequency noise. In practice, the coarsely-sampled or irregularly-sampled shot and receiver locations on the surface leads to severe under-sampling artifacts in ADCIGs with small angle binning size. These under-sampling artifacts are worse for the shallow reflectors and small reflection angle in the case of 3D data. In this paper, we first derive that the theoretical number of hitcount for each angle bin is given by the determinant of the Jacobian matrix of transforming subsurface angle to surface shot coordinates. Then we illustrate that the under-sampling artifacts are linearly proportional to the percentage deviation of actual hitcount number with respect to the theoretical hitcount number. At last, we propose using relative hitcount compensation to reduce the under-sampling artifacts for RTM 3D ADCIGs, and demonstrate its effectiveness on 3D synthetic. Presentation Date: Monday, October 17, 2016 Start Time: 4:10:00 PM Location: Lobby D/C Presentation Type: POSTER
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 | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».