MétaCan
Menu
Retour à la cohorte
Enregistrement W4242632772 · doi:10.3997/2214-4609.201412781

True-amplitude Layer-stripping Common-shot Acoustic RTM

2015· article· en· W4242632772 sur OpenAlexaff
Yu-Xin Qin, M. Okoniewski

Notice bibliographique

RevueProceedings · 2015
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensAcceleware (Canada)
Organismes subventionnairesnon disponible
Mots-clésAmplitudeShot (pellet)Stripping (fiber)AcousticsWaveformLayer (electronics)Computer scienceOpticsMaterials sciencePhysicsTelecommunicationsComposite material

Résumé

récupéré en direct d'OpenAlex

Summary Layer-stripping RTM can dramatically improve the efficiency of iterative RTM for salt model building and updating sub-salt velocity. One key issue for layer-stripping RTM is to properly inject the redatumed source and receiver wavefields for each shot. In this paper, we present a new formulation for injecting redatumed source and receiver wavefields into the acoustic model for finite-difference method while preserving their relative amplitude. By combining this amplitude-preserved injection of redatumed wavefields with regular true-amplitude common-shot RTM, we develop a true-amplitude layer-stripping common-shot acoustic RTM. Quantitative comparison of shot images using synthetic and field data examples shows that the proposed true-amplitude layer-stripping acoustic RTM gives nearly identical shot images to regular true-amplitude common-shot acoustic RTM.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,478
Score d'incertitude au seuil0,499

Scores Codex et Gemma par catégorie

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

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 Opus0,063
Tête enseignante GPT0,263
Écart entre enseignants0,201 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedingsMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207