MétaCan
Menu
Retour à la cohorte
Enregistrement W2619093707 · doi:10.3997/2214-4609.201700793

Full Waveform Inversion of Crosshole Data in Tilted Transversely Isotropic Media

2017· article· en· W2619093707 sur OpenAlexaff
S. M. Hadden, R. G. Pratt

Notice bibliographique

RevueProceedings · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésTransverse isotropyGeologyInversion (geology)AnisotropyWeightingSynthetic dataGaussianIsotropyOffset (computer science)WaveformSmoothingAlgorithmAcousticsSeismologyOpticsComputer sciencePhysicsRadar

Résumé

récupéré en direct d'OpenAlex

Summary We apply the joint approach of traveltime tomography and Full Waveform Inversion (FWI) to a synthetic experiment in media exhibiting Tilted Transverse Isotropy (TTI) Symmetry. We adopt a Finite-Difference Frequency-Domain (FDFD) approach for modeling acoustic waves within the seismic modeling framework, Zephyr. The synthetic crosshole experiment consists of a tilted layer sequence chosen to simulate a realistic TTI environment. Models of seismic velocity and the anisotropic parameters were obtained from anisotropic traveltime inversion and used as the starting models for monoparameter FWI to update the velocity model only. The effects of parameter crosstalk are evident within the traveltime results and are mitigated by the application of a Gaussian smoothing operator before FWI. The final FWI model contains all of the prominent features from the true model, although there are some artefacts present in these results. Steeply dipping artefacts are introduced due to mismatches between the velocity and background anisotropy models at larger offsets. We mitigate the presence of these artefacts by stringent offset weighting of the data at lower frequencies. The successful application of FWI to this synthetic experiment suggests that this approach is a suitable candidate for field data which display TTI symmetry.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,222
Score d'incertitude au seuil0,799

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,256
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedingsMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207