McMC-based nonlinear EIVAZ inversion driven by rock physics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A single set of vertically aligned fractures embedded in a purely isotropic background medium may be considered as a long-wavelength effective transversely isotropic medium with a horizontal symmetry axis (HTI). The estimation of fracture weaknesses is essential for characterizing the anisotropy in HTI media. Using the fractured anisotropic rock-physics models and the wide-azimuth seismic data, elastic impedance inversion variation with incident angle and azimuth, or simply ‘EIVAZ’ for short, can be carried out for the estimation of the normal and tangential fracture weaknesses with the nonlinear Markov chain Monte Carlo (McMC) strategy. Firstly, an inversion method of nonlinear anisotropic elastic impedance (AEI) with the McMC algorithm was proposed, which is used for the inversion of nonlinear AEI information with different angles of incidence and azimuth. Then we extracted the normal and tangential fracture weaknesses directly using the ratio differences of inverted nonlinear AEI data. So we can eliminate the influence of the isotropic background elastic impedance on the anisotropic perturbation elastic impedance and obtain the normal and tangential fracture weaknesses more stably. A test on a 2D over-thrust model shows that the fracture weaknesses are still estimated reasonably with moderate noise. A test on a real data set demonstrates that the estimated results are in good agreement with the results of the well log interpretation, and our McMC-based nonlinear AEI approach appears to be a stable method for predicting fracture weaknesses.
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.
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 découle