Simultaneous waveform inversion of seismic-while-drilling data for P-wave velocity, density, and source parameters
Notice bibliographique
Résumé
Full waveform inversion (FWI), as an optimization-based approach in estimating subsurface models, is limited by incomplete acquisition and illumination of the subsurface. Adding data corresponding to new and independent ray paths as input could lead to significant increases in the reliability of FWI models. In principle, seismic-while drilling (SWD) technology can supply these additional ray paths, however, it introduces a new suite of unknowns, namely precise source locations (i.e., drilling path), source signature, and radiation characteristics. Here we formulate a new elastic FWI algorithm in which source positions and radiation patterns join the velocity and density values of the grid cells as unknowns to be determined. We then carry out a numerical inversion experiment with the SWD sources located along a plausible well-trajectory through a synthetic model. These SWD sources are supplemented by explosive sources and multicomponent receivers at the surface, simulating a conventional acquisition geometry. The subsurface model and SWD source properties are recovered and analyzed. After adding SWD data, both the inversion of elastic properties and source mechanisms get considerably enhanced, and the inversion shows a directional preference on the well trajectories. The analysis suggests that, in principle, SWD participation improves the accuracy of FWI models. However, further related study is required to provide more comprehensive radiation patterns of the SWD sources.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».