MétaCan
Menu
Retour à la cohorte
Enregistrement W2921927751 · doi:10.2118/195046-ms

Enhancing the Near-Surface Image Using Duplex-Wave Reverse Time Migration

2019· article· en· W2921927751 sur OpenAlexaff
Ghada Sindi, Tariq Alkhalifah, Tong W. Fei, Yi Luo

Notice bibliographique

RevueSPE Middle East Oil and Gas Show and Conference · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésWaveletSeismic migrationMultipleCross-correlationSIGNAL (programming language)Duplex (building)Surface (topology)GeologySurface waveComputationOpticsComputer scienceAlgorithmAcousticsPhysicsGeometryMathematicsComputer visionSeismologyMathematical analysis

Résumé

récupéré en direct d'OpenAlex

Abstract Reverse time migration (RTM) involves zero-lag cross-correlation of forward extrapolated source function wavefields and backward extrapolated receiver wavefields. For a near surface with complex structures and velocity anomalies, forward propagating the source wavelet generates wavefields containing reflections, near-surface multiples, and scattered direct arrivals. The wavefields are recorded as upgoing arrivals contaminated by the same reflections, near-surface multiples, and scattered signals, which can be critical for imaging near-surface structures and scatterers. Here, we develop a new depth migration, duplex reverse time migration (DRTM) technique to improve imaging of complex near-surface structures. DRTM uses the direct arrival as a source to forward propagate and generate source wavefields, and reversely extrapolated recorded data in a zero-lag cross-correlation imaging condition to generate the final section. The interaction between the data components during cross- correlation can use primaries and multiples to image the near-surface structure correctly. Cross-talk artifacts may exist, but they are comparatively weak. DRTM is demonstrated on both synthetic and field data examples showing an enhanced image in areas with complex near-surface structures compared to conventional RTM imaging methods. The new algorithm can significantly enhance shallow imaging without additional computation costs compared with conventional RTM. It can produce an image with higher resolution and signal-to-noise (S/N) ratio by replacing the source wavelet with the recorded direct arrivals, which include near-surface information necessary to boost the image in areas with near-surface complexity. Since the direct arrivals are one of the most energetic events recorded, the resultant image is typically of high S/N. The wave can also illuminate shallow zones better than primaries in marine environments.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,938
Score d'incertitude au seuil1,000

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)0,0010,000

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 Opus0,027
Tête enseignante GPT0,197
Écart entre enseignants0,170 · 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.

Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Middle East Oil and Gas Show and ConferenceMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207