MétaCan
Menu
Retour à la cohorte
Enregistrement W2741657757 · doi:10.1190/tle36080661.1

Operational deployment of compressive sensing systems for seismic data acquisition

2017· article· en· W2741657757 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueThe Leading Edge · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueSparse and Compressive Sensing Techniques
Établissements canadiensConocoPhillips (Canada)
Organismes subventionnairesConocoPhillips
Mots-clésSeismic vibratorSampling (signal processing)Data acquisitionComputer scienceAzimuthNode (physics)Data qualityCompressed sensingEnvironmental scienceReal-time computingGeologyTelecommunicationsSeismologyEngineeringAlgorithm

Résumé

récupéré en direct d'OpenAlex

Abstract Compressive sensing (CS) provides a new basis for sampling that can increase sampling efficiency for seismic data acquisition by an order of magnitude. A major challenge for this new technology is to show that theoretical increases in sampling efficiency can be translated to real efficiency gains in the field. Along with efficiency gains, data quality must be preserved in order to gain acceptance of a new acquisition technology. CS designs require solution of large optimization problems that are consistent with compressive sampling theory. We refer to our optimization framework for CS-based acquisition design and processing as compressive seismic imaging (CSI). We illustrate our CSI framework on example projects for ocean-bottom node, narrow-azimuth marine streamer, and land vibroseis acquisition. The ocean-bottom-node project was conducted in the UK North Sea during the difficult winter season. A CSI dual-source design was used to significantly reduce shooting time for this project. The project was completed on time, under budget, and with data quality that exceeded the quality of an overlapping uniformly sampled survey. The narrow-azimuth marine CSI survey project was acquired in offshore Australia for field development purposes. Nonuniform CSI sampling was used to increase sampling efficiency for both sources and cables, resulting in significant improvements in data quality and lateral resolution. The land vibroseis project was conducted on the North Slope of Alaska. In this case, the goal was to acquire a development survey of sufficient size within a short time window. Nonuniform CSI sampling was used to support the use of 10 or more vibrators shooting simultaneously, along with improving sampling efficiency for both sources and receivers. Compared to conventional designs, the CSI survey achieved an order of magnitude improvement in field acquisition efficiency and step-function improvements in data quality. These examples show that theoretical improvements in sampling efficiency from CS can make real and significant impacts on seismic data acquisition and processing.

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 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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,686
Score d'incertitude au seuil0,283

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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,079
Tête enseignante GPT0,310
Écart entre enseignants0,232 · 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