Estimating elastic properties and attenuation factor from different frequency components of observed seismic data
Notice bibliographique
Résumé
SUMMARY Based on an attenuation model, we first express frequency-dependent P- and S-wave attenuation factors as a function of P-wave maximum attenuation factor, and then we re-express P- and S-wave velocities in anelastic media and derive frequency-dependent stiffness parameters in terms of P-wave maximum attenuation factor. Using the derived stiffness parameters, we propose frequency-dependent reflection coefficient in terms of P- and S-wave moduli at critical frequency and P-wave maximum attenuation factor for the case of an interface separating two attenuating media. Based on the derived reflection coefficient, we establish an approach to utilize different frequency components of observed seismic data to estimate elastic properties (P- and S-wave moduli and density) and attenuation factor, and following a Bayesian framework, we construct the objective function and an iterative method is employed to solve the inversion problem. Tests on synthetic data confirm that the proposed approach makes a stable and robust estimation of unknown parameters in the case of seismic data containing a moderate noise/error. Applying the proposed approach to a real data set illustrates that a reliable attenuation factor is obtained from observed seismic data, and the ability of distinguishing oil-bearing reservoirs is improved combining the estimated elastic properties and P-wave attenuation factor.
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) | 0,001 | 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 ».