High-resolution impedance estimation using multiparameter viscoelastic FWI in a Gulf of Mexico setting
Notice bibliographique
Résumé
Abstract Traditional seismic imaging methods rely on assumptions (e.g., single scattering), which become less reliable in high-impedance-contrast scenarios. Such scenarios are more prevalent as oil production moves into increasingly complex geologic settings. Full-waveform inversion (FWI) offers an alternative by directly inverting for earth properties while simulating complex wave phenomena and handling uneven illumination through iterative processes. Recent advancements in computing power and data acquisition have enabled high-frequency FWI, including elastic FWI, which can produce high-resolution velocity models for structural interpretation. However, full quantitative interpretation requires multiparameter FWI, which remains challenging due to the crosstalk between different parameters. We present a multiparameter viscoelastic FWI workflow that attempts to mitigate crosstalk by separating the problem into smaller pieces, focusing on different properties with specific portions of the data as well as better-suited cost functions. The workflow first improves the P-wave background velocity and attenuation models, then it updates acoustic and shear impedance using reflection data amplitude. Application to a field data set from the Gulf of Mexico, characterized by complex salt geometry with variable thickness, shows enhanced subsalt structural imaging and sensible quantitative information, with a reasonable match to well logs and consistent amplitude variation with angle behavior compared to least-squares reverse time migration.
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 | 0,001 | 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 ».