MétaCan
Menu
← Retour à la cohorte
Enregistrement W4383164194 · doi:10.3997/2214-4609.2023101539

Estimating Reliable Earth Properties from Simultaneous Inversion of Velocity and Angle-Dependent Reflectivity

2023· article· en· W4383164194 sur OpenAlexaboutno aff
Yang Yang, Nizar Chemingui, Sriram Arasanipalai, Ø. Korsmo

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInversion (geology)Prospectivity mappingGeologyReflectivityAmplitudeSeismic inversionRemote sensingAlgorithmOpticsComputer scienceAzimuthSeismology

Résumé

récupéré en direct d'OpenAlex

Summary Seismic attributes are widely used in hydrocarbon exploration and play a crucial role in the identification of prospects. Simultaneous inversion, a cutting-edge technique that blends Full Waveform Inversion (FWI) and Least-Squares Reverse Time Migration (LSRTM), offers high-resolution velocity and reflectivity models of the subsurface. This method effectively separates low- and high-wavenumber components of the earth model, updating both velocity and reflectivity while minimizing the crosstalk between the two parameters. The true-amplitude earth reflectivity is produced through iterative inversion that compensates for incomplete acquisitions and varying subsurface illumination. The high-fidelity models are then used to derive additional earth attributes such as relative impedance and density and provide high resolution attributes for Quantitative Interpretation (QI). Using 3D seismic data from offshore Newfoundland and Labrador, Canada, this study demonstrates how simultaneous inversion can provide reliable models for better reservoir interpretation. Furthermore, by taking advantage of the angle information derived from vector reflectivity wave equation, angle gathers are directly outputted from simultaneous inversion, providing additional information for prospectivity analysis. These improved models and attributes provide deeper insights into hydrocarbon prospectivity beyond conventional processing methods.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,026
Tête enseignante GPT0,226
Écart entre enseignants0,200 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

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