Iterative modeling, migration, and inversion: Evaluating the well-calibration technique to scale the gradient in the full-waveform inversion process
Notice bibliographique
Résumé
Iterative modeling, migration and inversion (IMMI) aims to incorporate standard processing techniques into the process of full waveform inversion (FWI). Within IMMI, depth migration method may be used to obtain the gradient, in contrast to standard FWI which uses a two-way reverse time migration (RTM). Another aspect of the IMMI approach is the use of well-calibration to scale the gradient, rather than applying a line search to find the scalar or an approximation of the inverse Hessian matrix. We examine with synthetic examples the performance of IMMI in circumstances of progressively increasing geological complexity. We find consistently low errors nearby the well-calibration location, even in the most complex settings. This suggests that the gradient obtained by applying a migration method other than RTM, though less wave-theoretically complete, points in the correct direction in order to minimize an FWI-like objective function, and that well-calibration provides a working approach for scaling. These refinements of FWI may be important enablers for application of waveform inversion in reservoir characterization, where we may have many control-wells, and we may wish to extend our approach to the determination of several elastic and/or rock properties. We find that well-calibration scales the updates properly up to what we refer to as moderate lateral velocity changes. Presentation Date: Tuesday, September 26, 2017 Start Time: 9:45 AM Location: Exhibit Hall C, E-P Station 3 Presentation Type: EPOSTER
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».