Identification of shallow geohazard channels based on discontinuity seismic attributes in the South Caspian Sea
Notice bibliographique
Résumé
ABSTRACT Identification of geomorphological features in seismic data is a key element of seismic interpretation. Channels in the shallow subsurface are potential geohazards. At deeper levels, they can be the actual targets for (horizontal) drilling. Either way, it is important to optimally delineate these features prior to well location positioning and drilling. We have studied a poststack 3D seismic data from the South Caspian Sea featuring shallow channels that are considered potential geohazards for drilling operations. In the first step, we attenuate the acquisition footprints along the inline direction using a geostatistics approach based on factorial kriging. To better visualize channels in the presence of stratigraphic dips, we create a dense set of horizons using an inversion-based flattening algorithm. In the next step, we compare various discontinuity attributes such as semblance, similarity, curvature, and the relatively new attribute based on the multiscale and multidirectional shearlet transformation to determine which one best images our features of interest. Curvature attributes clearly image channel levies (positive curvature) and channel centers (negative curvature). Lateral changes in the curvature magnitude infer sedimentation from the north. Similarity, semblance, and shearlet transform attributes also successfully delineate channel edges, but these attributes do not contain additional geologic information. In the final step, we qualitatively analyze channel thickness variations by the red-green-blue blending of three spectral components based on short window Fourier transforms.
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 | 0,000 |
| 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 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 ».