Overcoming complex near-surface conditions for improved seismic imaging in Tarim Basin, China
Notice bibliographique
Résumé
Abstract Seismic imaging in the Tarim Basin, China, presents significant challenges due to complex near-surface conditions, including desert environments, foothills, and loess mountains. These challenges are comparable to those found in regions such as the Arabian Peninsula, North Africa, the Andes Mountains, and other complex terrains worldwide. Recent advancements in seismic imaging aimed at overcoming these obstacles include: (1) advanced constrained near-surface tomography, which has significantly enhanced the robustness of near-surface velocity-depth model estimation, leading to improved resolution of deep reservoir images; (2) a recent ultra-long-offset (greater than 15 km) experiment in the foreland basin of the Tarim Oilfield, demonstrating that more accurate and deeper near-surface velocity models can be generated on land using turning-ray tomography; (3) finite-frequency wavepath tomography, which has been proven through field data examples to be a robust alternative to traditional full-waveform inversion for land seismic data; and (4) integrated tomography, which combines diving waves and reflected seismic data to develop a comprehensive velocity model from shallow to deep sections for anisotropic prestack depth migration from topography. These technologies, developed for and applied to the Tarim Basin, can be applied, with modifications, to other land basins around the world.
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) | 0,000 | 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 ».