MétaCan
Menu
Retour à la cohorte
Enregistrement W4400315763 · doi:10.1016/j.petsci.2024.06.020

Selection and application of wavelet transform in high-frequency sequence stratigraphy analysis of coarse-grained sediment in rift basin

2024· article· en· W4400315763 sur OpenAlexaff
Ling Li, Zhizhang Wang, Shunde Yin, Weifang Wang, Zhichao Yu, Wentian Fan, Zhiheng Zhang

Notice bibliographique

RevuePetroleum Science · 2024
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésWaveletSequence stratigraphySequence (biology)GeologyTransformation (genetics)MathematicsPaleontologyAlgorithmComputer scienceArtificial intelligenceStructural basinFaciesBiology

Résumé

récupéré en direct d'OpenAlex

Wavelet transformation is a widely used method in high-frequency sequence stratigraphic analysis. However, the application is problematic since different wavelets always return the same sequence analysis results. To address this issue, we applied five commonly used wavelets to theoretical sequence models to document some application criteria. Five gradual scale-change sequence models were simplified from the glutenite succession deposition by gravity flows to form the fining-upwards cycle sequences (FUCS) and coarsening-upwards cycle sequences (CUCS). After conducting theoretical sequence model tests, the optimal wavelet (sym4) was selected and successfully used with actual data to identify the sequence boundaries. We also proposed a new method to optimize the scale of continuous wavelet transformation (CWT) for sequence boundary determination. We found that the balloon-like marks in scalograms of db4, sym4, and coif4 wavelet determine, respectively, the fourth-order sequence boundary, the thick succession sequence boundaries in FUCS, and the thick succession sequence in FUCS and CUCS. Comparing the sequence identification results shows that the asymmetric wavelets had an advantage in high-frequency sequence boundary determination and sedimentary cycle discrimination through the amplitude trend of the coefficient, in which the sym4 wavelet is the most effective. In conclusion, the asymmetry of wavelets is the first selection principle, of which asymmetric wavelets are more sensitive to sediment deposition by flood flows. The match of the wavelet between the sequence is the second selection principle, in which the correlation of time-frequency impacts the accuracy of sequence surface localization. However, the waveform of the wavelet is a visual and abstract parameter for sequence boundary detection. The appropriate wavelet for lacustrine sequence analysis is the asymmetric wavelet with a weak number of side lobes. The depositional flows, depositional process, and autogenic are three sedimentary factors that influence the sequence analysis results.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,008
Tête enseignante GPT0,233
Écart entre enseignants0,226 · 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'étudeExpérimental (laboratoire)
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

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePetroleum ScienceMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207