1D layered velocity models and microseismic event locations: synthetic examples for a case with a single linear receiver array
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
We discuss various aspects of 1D velocity-model building for application to microseismic data analysis. We generate simple synthetic example data using a widely used single linear array geometry. The synthetic data contain 30 sources with known locations for a reference model based on previous studies of the Barnett shale. We investigate several key factors that should be considered, including selection of the calibration technique, inclusion of a priori information such as lateral heterogeneity and parameter ranges, and choice of algorithm for travel time computations. For the source–receiver geometry considered here, hypocenter location errors (±6 m in X and ±12 m in Z) can result from differently calibrated models only and without including the errors in picked arrival times and polarization estimates. We find that the errors in hypocenter locations are reduced (±3 m in X and ±6 m in Z) when a model calibrated with multiple shots simultaneously is used. Using four different models (vertical fault, dipping layers, channels, and these effects combined), we demonstrate that systematic errors in hypocenter locations can result when a 1D layered model is used in lieu of a laterally heterogeneous subsurface. Finally, we show that event locations from a velocity model calibrated using direct-arrival times are more stable than from a model calibrated with first-arrival times.
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