MétaCan
Menu
← Retour à la cohorte
Enregistrement W3127443479 · doi:10.1002/essoar.10506130.1

Full-waveform adjoint Q tomography in viscoelastic medium with central-frequency measurements

2021· preprint· en· W3127443479 sur OpenAlexaff
Wenyong Pan, Yanfei Wang, K. A. Innanen

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPreprintViscoelasticityWaveformGeologyComputer sciencePhysicsGeophysicsWorld Wide WebTelecommunications

Résumé

récupéré en direct d'OpenAlex

Accurate Q (quality factor) structures can provide important constraints for characterizing subsurface hydrocarbon/water resources in exploration geophysics and interpreting tectonic evolution of the Earth in earthquake seismology. The attenuation effects on seismic amplitudes and phases can be included in forward and inverse modeling by invoking a generalized standard linear solid rheology. Compared to traditional ray-based methods, full-waveform adjoint tomography, which is based on numerical solutions of the visco-elastodynamic wave equation, has the potential to provide more accurate Q models. However, applications of adjoint Q tomography are impeded by the computational complexity of Q sensitivity kernels, and by strong velocity- Q trade-offs. In this study, following the adjoint-state method, we show that the Q (P and S wave quality factors Q P and Q S ) sensitivity kernels can be constructed efficiently with adjoint memory strain variables. A novel central-frequency difference misfit function is designed to reduce the trade-off artifacts for adjoint Q tomography. Compared to traditional waveform-difference misfit function, this misfit function is less sensitive to velocity variations, and thus is expected to produce fewer trade-off uncertainties. The multiparameter Hessian-vector products are calculated to quantify the resolving abilities of different misfit functions. Comparative synthetic examples are given to verify the advantages of this new misfit function for adjoint Q P and Q S tomography. We end with a 3D viscoelastic inversion example designed to simulate a distributed acoustic sensing/vertical seismic profile survey for monitoring of CO 2 sequestration.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,213
Écart entre enseignants0,188 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSeismic Imaging and Inversion Techniques→Travaux en français237 207→