Integrated imaging: A powerful but undervalued tool
Notice bibliographique
Résumé
Abstract Following the 2018 SEG Annual Meeting, the Gravity and Magnetics Committee held a postconvention workshop titled “Integrated imaging.” The half-day workshop attracted nearly 50 participants from various backgrounds. Three primary objectives of the workshop were to explore the nonseismic toolbox, highlight real examples of integrated projects that benefitted (or did not benefit) from nonseismic data, and provide geoscientists from all backgrounds a learning opportunity to see how they might optimize the value of their imaging projects via integration with relatively low-cost nonseismic methods. The workshop had a highly interactive format that differed from traditional presentation-based settings. After eight brief case studies were presented, three concurrent guided discussions ensued. Participants were divided into three groups, and each group focused on one discussion topic at a time. The groups rotated, allowing everyone to discuss all three topics. The first discussion was centered on two general questions: what is integrated imaging, and what tools are available for it? The second discussion provided an opportunity to examine the relationships between different physical properties that must be managed during integrated multiphysics analysis. The third discussion focused on the costs and benefits of a multiparameter data acquisition. According to feedback from participants, these discussions were the most valuable part of the workshop. The participants agreed that an integrated approach in geophysical data analysis is a powerful but currently undervalued tool. Also noted were the value of integration with nonseismic methods illustrated in the case studies and the need for the integrated approach in data analysis to be taught in schools in addition to the classic overview of individual geophysical methods.
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) | 0,002 | 0,014 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».