Notice bibliographique
Résumé
ABSTRACT Inverse-Q filtering is an important seismic-processing operation often used to correct for attenuation and dispersion effects and increase the resolution of reflection records. However, it is important to realize that the Q is an apparent (phenomenological) attribute of the propagating wavefield and not guaranteed to be a material property. By recognizing the apparent character of the Q, the attenuation-correction procedure can be significantly extended and generalized. Our approach consists of forward modeling the propagating source waveform by using multiple physical laws followed by multiple types of inverse filtering. The modeling and inverse-filtering algorithms are selectable according to the geology of the study area, data, and goals of processing, which may include reduction of attenuation effects or more general enhancements of reflectivity images. Apparent Q models are inherently smooth in space, which facilitates efficient use of time-variant deconvolution implemented by using overlapping tapered time windows. When using conventional Q models and frequency-domain deconvolution, this procedure contains all existing types of inverse-Q filtering. However, many more realistic forward modeling approaches can (and should) be used depending on the specific subsurface environments, such as wavefront focusing and defocusing, scattering, solid viscosity, or internal friction caused by pore-fluid flows. In general, velocity-dispersion relations cannot be inferred from the frequency-dependent Q and need to be considered separately. It is more precise to view frequency-dependent velocity dispersion and Q as concomitant and arising from a common physical mechanism of wave propagation. Time-domain deconvolution, such as an iterative method well-known in earthquake seismology, offers significant improvements in attenuation-corrected images. The approaches are illustrated on a real reflection data set by using several attenuation laws and types of deconvolution.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,039 | 0,027 |
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 ».