Improved resolution in depth imaging through reflection static corrections derived from model-based moveout
Notice bibliographique
Résumé
When seismic data are used to image the subsurface, assumptions and calculations are made about the near-surface to overcome the uncertainty of the velocities in the low velocity layer. A near-surface velocity model is generated to calculate a time shift that is used to correct for velocity anomalies in the near-surface for time migration. Reflection statics are calculated because often the lack of detailed near-surface information leads to inaccuracies. A normal moveout (NMO) velocity field is picked and applied to stack the data in preparation for the reflection statics calculations. The NMO equation based on the assumption that the moveout can be approximated by a hyperbola. However, the accuracy of this assumption is valid when the moveout on data is near-hyperbolic and deviates when the moveout is more complicated. A few scenarios of non-hyperbolic moveout are when the topography isn't flat, strong lateral heterogeneity of velocity is present, and when there are variations in the seismic weathering thickness and velocities. Raytracing in depth migration has overcome many of the issues with the assumptions in time migration. Foothills datasets and other geologically complex environments compel us to look for ways to overcome these assumptions as they are violated. Using the depth migration velocity model, we apply an offset dependent traveltime summation as the moveout correction for reflection static calculations in depth imaging. Presentation Date: Wednesday, September 27, 2017 Start Time: 10:10 AM Location: 370C Presentation Type: ORAL
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 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 | 0,001 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».