Notice bibliographique
Résumé
ABSTRACT Least squares migration uses the assumption that, if we have an operator that can create data from a reflectivity function, the optimal image will predict the actual recorded data with minimum square error. For this assumption to be true, it is also required that: (a) the prediction operator must be error‐free, (b) model elements not seen by the operator should be constrained by other means and (c) data weakly predicted by the operator should make limited contribution to the solution. Under these conditions, least squares migration has the advantage over simple migration of being able to remove interference between different model components. Least squares migration does that by de‐convolving or inverting the so‐called Hessian operator. The Hessian is the cascade of forward modelling and migration; for each image point, it computes the effects of interference from other image points (point‐spread function) given the actual recording geometry and the subsurface velocity model. Because the Hessian contains illumination information (along its diagonal), and information about the model cross‐correlation produced by non‐orthogonality of basis functions, its inversion produces illumination compensation and increases resolution. In addition, sampling deficiencies in the recording geometry map to the Hessian (both diagonal and non‐diagonal elements), so least squares migration has the potential to remove sampling artefacts as well. These (illumination compensation, resolution and mitigating recording deficiencies) are the three main goals of least squares migration, although the first one can be achieved by cheaper techniques. To invert the Hessian, least squares migration relies on the residual errors during iterations. Iterative algorithms, like conjugate gradient and others, use the residuals to calculate the direction and amplitudes (gradient and step size) of the necessary corrections to the reflectivity function or model. Failure of conditions (a), (b) or (c) leads the inversion to calculate incorrect model updates, which translate to noise in the final image. In this paper, we will discuss these conditions for Kirchhoff migration and reverse time migration.
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 ».