Data processing and interpretation schemes for a deep-towed high-frequency seismic system for gas and hydrate exploration
Notice bibliographique
Résumé
The deep-towed Autonomous Cable Seismic (ACS) system is a high-resolution acoustic survey system designed for use in deep-water environments. This system uses a high-frequency acoustic source and a multichannel receiver cable. A common problem in the analysis of deep-towed ACS data is the unstable positioning of the source and receivers due to ocean currents and seafloor bathymetry. Since the data acquisition using high-frequency source with unstable source–receiver positions causes destructive interference on the final stack profile, correction of the unstable source-receiver is a crucial issue. In this study, we propose a method to solve the unstable source–receiver position problem and thus to construct an accurate final stack profile. We used deep-towed ACS data acquired in the Joetsu Basin in Niigata, Japan, where hydrocarbon features in the form of gas chimneys, gas hydrate, and free gas have been observed. Because sidelobes in the ACS source signature defocus the source wavelet and decrease the bandwidth frequency content, we designed a filter to focus the source signature. Our proposed approach considerably improved the quality of the final stack profile. Even though depth information was not available for all receivers, the velocity spectra in the velocity analysis were well focused. Furthermore, shaping the source wavelet considerably increased the bandwidth frequency of the source signature. We applied seismic attribute analysis to the post-stack profile to identify the distributions of free gas and hydrate. Our seismic attribute analyses for the high-frequency ACS data demonstrated that free gas accumulations are characterized by low reflection amplitude and an unstable frequency component, and that hydrate close to the seafloor can be identified by its high reflection amplitude.
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 | 0,001 | 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 | 0,002 |
| 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 ».