2.5D Multi-Focusing Imaging of Crooked-Line Seismic Surveys
Notice bibliographique
Résumé
Summary Due to logistical and environmental restrictions, seismic data are often acquired with a 2D crooked-line geometry. The crookedness of profiles, irregular topography, and complex subsurface geology with steeply dipping and curved interfaces could negatively affect the signal-to-noise ratio of the data. Crooked-line geometry violates the assumption of a straight survey line that is a basic principle behind the 2D Multi-focusing (MF) method. Irregular survey geometry leads to the cross-profile spread of midpoints in the vicinity of the processing line. In this research, we have developed a novel Multi-focusing algorithm for crooked-line seismic data and revisited its travel-time equation to achieve better signal alignment before stacking. We present a 2.5D Multi-focusing reflection travel-time expression which explicitly takes into account the midpoint dispersion and cross-dip effects. The new formulation corrects normal, in-line, and cross-line dip moveouts simultaneously. The 2.5D Multi-focusing method can perform automatically with a semblance based global optimization search on the real data. We investigated the accuracy of the new formulation by testing on different synthetic models. Numerical tests show that the new formula can focus the primary reflections with good precision at their right location, remove anomalous dip-dependent velocities, and extract true dips from seismic data for structural interpretation.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».