3D generalized spherical multifocusing seismic imaging
Notice bibliographique
Résumé
ABSTRACT We introduce a 3D generalized spherical multifocusing (GSMF) algorithm to generate a high-resolution 3D stacked volume that is equivalent to a synthesized 3D zero-offset wavefield for crooked-line/3D seismic data. The proposed algorithm can be applied to arbitrary recording geometry from areas with irregular topography, a complex near the surface, and complex subsurface. The 3D GSMF method simultaneously corrects for elevation statics, nonhyperbolic moveout associated with reflections beneath complex overburden structures, and azimuth-dependent dip-moveout effects. In addition, the formulation is dually generalized for the optical domain and the effective medium. The optical domain and effective medium parameterizations account for heterogeneity either by shifting the reference time to project the problem into the optical image space or by adjusting the velocity of an effective overburden, respectively. We test the performance of our method using 3D synthetic data with 3D and crooked-line surveys. The numerical tests have shown that the accuracy of the new approximation is significant for gently to highly curved interfaces beneath low to relatively high heterogeneous overburden with rugged topography, even at large offsets and midpoint separations. In addition, we rigorously evaluate the method using 3D real seismic data acquired over a complex thrust-belt area with rugged terrain. Compared with conventional 3D stacking, the new formulation yields a high resolution and accurate seismic stacked volume from land seismic data collected with arbitrary 3D geometries.
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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».