PENINGKATAN KUALITAS DATA PRE STACK TIME \nMIGRATION MENGGUNAKAN CADZOW FILTERING \nUNTUK IDENTIFIKASI SERTA KARAKTERISASI \nENDAPAN CHANNEL DI DAERAH NOVA SCOTIA
Notice bibliographique
Résumé
Peningkatan kualitas data seismik menjadi target utama dalam eksplorasi \nhidrokarbon dengan mengaplikasikan ide serta metode – metode baru. Salah \nsatunya adalah Cadzow filtering yang efektif dalam mereduksi random noise. \nSelain itu, penerapan Cadzow filtering juga untuk meningkatkan rasio signal to \nnoise. Data hasil pemrosesan Cadzow filtering dapat ditampilkan secara analisis \nsimultan dengan penggabungan tiga warna frekuensi menjadi satu pencitraan \nberdasarkan dekomposisi spektral yang dikenal sebagai R-G-B blending. Setelah \nmendapatkan struktur yang diperkirakan sebagai endapan channel, maka \ndilakukan proses inversi dengan bantuan dua buah data sumur. Nilai korelasi \nsumur AND-30 adalah 0, 863 dan sumur AND-41 adalah 0, 874. Inversi yang \ndigunakan adalah inversi model based dengan hasil karakterisasi berupa slice \npseudo gamma ray dengan nilai 50 – 58 API, pseudo densitas dengan nilai 2, 3 – \n2, 4 g/cm \n, serta pseudo porositas dengan nilai 15 - 18%. Informasi ini dapat \nberguna sebagai bahan pertimbangan untuk pengembangan lapangan selanjutnya.
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) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».