FR2834797A1 - Procede de filtrage de donnees, notamment de types sismiques, par analyse krigeante - Google Patents
Procede de filtrage de donnees, notamment de types sismiques, par analyse krigeante Download PDFInfo
- Publication number
- FR2834797A1 FR2834797A1 FR0200397A FR0200397A FR2834797A1 FR 2834797 A1 FR2834797 A1 FR 2834797A1 FR 0200397 A FR0200397 A FR 0200397A FR 0200397 A FR0200397 A FR 0200397A FR 2834797 A1 FR2834797 A1 FR 2834797A1
- Authority
- FR
- France
- Prior art keywords
- data
- series
- analysis
- variogram
- filtering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000004458 analytical method Methods 0.000 title claims description 23
- 238000000354 decomposition reaction Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 238000013506 data mapping Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 210000005045 desmin Anatomy 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
- G01V1/364—Seismic filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/20—Trace signal pre-filtering to select, remove or transform specific events or signal components, i.e. trace-in/trace-out
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
Procédé pour le filtrage d'au moins deux séries de données représentatives des valeurs d'au moins un paramètre physique sur une même zone, caractérisé en ce qu'on détermine le variogramme croisé de ces séries de données et on résout l'équation de co-krigeage qui en résulte pour en déduire de façon automatique une estimation de la composante commune à ces séries de données.
Description
<Desc/Clms Page number 1>
PROCEDE DE FILTRAGE DE DONNEES, NOTAMMENT DE TYPE
SISMIQUES, PAR ANALYSE KRIGEANTE DOMAINE TECHNIQUE GENERAL - RAPPELS SUR L'ANALYSE KRIGEANTE
La présente invention est relative au filtrage de données par analyse krigeante.
SISMIQUES, PAR ANALYSE KRIGEANTE DOMAINE TECHNIQUE GENERAL - RAPPELS SUR L'ANALYSE KRIGEANTE
La présente invention est relative au filtrage de données par analyse krigeante.
Elle trouve avantageusement, mais non limitativement, application dans le domaine de la sismique.
L'analyse krigeante permet la décomposition d'une fonction aléatoire à partir de sa fonction de covariance.
Elle est notamment classiquement utilisée en géostatistique pour filtrer des données sismiques, notamment, mais non limitativement, pour caractériser des réservoirs.
L'analyse Krigeante repose notamment sur l'hypothèse qu'un phénomène mesuré localement au moyen d'un échantillonnage régulier ou non peut s'analyser comme la somme linéaire de plusieurs phénomènes indépendants, le variogramme du phénomène global correspondant à la somme linéaire des variogrammes de chacun des phénomènes indépendants qui le composent.
Classiquement, on décompose le variogramme correspondant aux données expérimentales mesurées en une somme de variogrammes modélisés et on déduit des données expérimentales et des modélisations choisies pour les variogrammes élémentaires de la décomposition, les fonctions élémentaires qui décomposent la fonction aléatoire correspondant au phénomène global.
Il est ainsi possible d'extraire d'une cartographie de données sismiques du type de celles illustrées sur la figure 1 (par exemple, des données expérimentales brutes) d'une part le bruit blanc présent dans ces données (figure 2a), d'autre part un bruit correspondant à des raies linéaires (figure 2b) et enfin des données filtrées, débarrassées de l'un et l'autre de ces deux bruits (figure 2c).
<Desc/Clms Page number 2>
Les calculs de détermination par krigeage des valeurs des fonctions élémentaires décomposant une fonction aléatoire globale sont en euxmêmes classiquement connus par l'homme du métier.
On pourra par exemple à cet égard se référer aux articles et publications mentionnées dans la bibliographie jointe à la fin de la présente description.
De façon très générale, on détermine la valeur d'une fonction élémentaire intervenant dans la décomposition de la fonction aléatoire globale comme étant une combinaison linéaire de valeurs expérimentales pour des points d'un voisinage immédiat du point considéré, ces valeurs expérimentales étant affectées de coefficients de pondération.
En d'autres termes, si l'on considère qu'une fonction Z (x) décompose en la somme de fonction élémentaire Yu (x), ce qui se traduit par :
on estime la composante Yu(x) par :
où a est un indice muet désignant les points considérés autour du point x pour lequel on cherche à déterminer la valeur estimée Y"*(x), Zx étant la valeur au point x, N étant le nombre de ces points.
on estime la composante Yu(x) par :
où a est un indice muet désignant les points considérés autour du point x pour lequel on cherche à déterminer la valeur estimée Y"*(x), Zx étant la valeur au point x, N étant le nombre de ces points.
On démontre que les coefficients de pondération #[alpha] vérifient l'équation : @
<Desc/Clms Page number 3>
où l'indice 0 désigne le point pour lequel on cherche à déterminer une estimation, les valeurs C01u à C0Nu étant des valeurs de covariance calculées à partir du modèle u correspondant à la composante Yu (valeurs de la fonction de covariance pour les distances entre chaque point de donnée et le point a estimer), les valeurs CI] étant des valeurs de covariance calculées en fonction de la modélisation choisie pour le variogramme de la fonction à estimer (valeurs de la fonction de covariance pour les distances entre les points de données).
Ces coefficients de pondération #ux se déterminent donc par simple inversion des matrices de covariance.
PROBLEME(S) POSES PAR L'ETAT' DE LA TECHNIQUE - PRESENTATION DE L'INVENTION
Une des difficultés des techniques d'analyse Krigeante connues à ce jour tient en ce qu'elles nécessitent d'utiliser des modélisations des fonctions de covariances.
Une des difficultés des techniques d'analyse Krigeante connues à ce jour tient en ce qu'elles nécessitent d'utiliser des modélisations des fonctions de covariances.
L'intérêt d'utiliser ces modélisations est qu'elles permettent de disposer de matrices qui sont définies positives et inversibles.
On comprend toutefois que ces techniques de filtrage, si elles donnent de bons résultats, sont fortement dépendantes de l'expertise individuelle de la personne qui choisie les modélisations des différents variogrammes.
Il y a là une source d'erreurs, qui empêche que ces techniques puissent être utilisées par des personnes qui n'en sont pas des spécialistes.
En outre, le choix des modélisations est également à l'origine de pertes de temps importantes en production.
Un but'de l'invention est de pallier cet inconvénient et de proposer une technique de filtrage par analyse krigeante qui puisse être mise en oeuvre de façon automatique ou quasi-automatique.
Elle propose à cet effet un p Procédé pour le filtrage d'au moins deux séries de données représentatives des valeurs d'au moins un
<Desc/Clms Page number 4>
paramètre physique sur une même zone, caractérisé en ce qu'on détermine le variogramme croisé de ces séries de données et on résout l'équation de co-krigeage qui en résulte pour en déduire de façon automatique une estimation de la composante commune à ces séries de données.
Elle propose également un procédé pour le filtrage d'au moins une série de données représentative des valeurs d'au moins un paramètre physique sur au moins une zone, caractérisé en ce qu'on identifie une modélisation d'une composante de variabilité spatiale de son variogramme, on soustrait cette modélisation du variogramme expérimental et on résout l'équation de krigeage correspondant à ce variogramme différentiel pour en déduire une estimation de la composante de variabilité correspondante sur la série de données.
#s PRESENTATION DES FIGURES
D'autres caractéristiques et avantages de l'invention ressortiront encore de la description qui suit, laquelle est purement illustrative et non limitative et doit être lue en regard des dessins annexés sur lesquels : - les figures 1 et 2a, 2b et 2c, déjà analysées, illustrent un exemple de cartographie de données sismiques et de décomposition par analyse krigeante correspondante ; - les 3a, 3b illustrent deux cartographies d'une même zone, obtenues à partir d'acquisitions réalisées en deux temps différents ; - la figure 4 est une cartographie de la composante commune aux cartographie des figures 3a et 3b ; - les figures 5a et 5b et les figures 6a et 6b sont des cartographies des composantes autres que la composante commune des cartographies des figures 3a et 3b ; - les figures 7a à 7c sont des graphes illustrant la répartition des erreurs dans le cas respectivement d'un filtrage standard, d'un filtrage par krigeage factoriel classique et d'un filtrage conforme à celui proposé par l'invention (co-krigeage factoriel).
#s PRESENTATION DES FIGURES
D'autres caractéristiques et avantages de l'invention ressortiront encore de la description qui suit, laquelle est purement illustrative et non limitative et doit être lue en regard des dessins annexés sur lesquels : - les figures 1 et 2a, 2b et 2c, déjà analysées, illustrent un exemple de cartographie de données sismiques et de décomposition par analyse krigeante correspondante ; - les 3a, 3b illustrent deux cartographies d'une même zone, obtenues à partir d'acquisitions réalisées en deux temps différents ; - la figure 4 est une cartographie de la composante commune aux cartographie des figures 3a et 3b ; - les figures 5a et 5b et les figures 6a et 6b sont des cartographies des composantes autres que la composante commune des cartographies des figures 3a et 3b ; - les figures 7a à 7c sont des graphes illustrant la répartition des erreurs dans le cas respectivement d'un filtrage standard, d'un filtrage par krigeage factoriel classique et d'un filtrage conforme à celui proposé par l'invention (co-krigeage factoriel).
<Desc/Clms Page number 5>
DESCRIPTION D'UN OU PLUSIEURS EXEMPLES DE MISE EN OEUVRE DE L'INVENTION Filtrage automatique
On se place ici dans le cas où on dispose de deux cartographies obtenues pour une même zone avec des données acquises par exemple à des instants différents ou encore pour des attributs sismiques différents.
On se place ici dans le cas où on dispose de deux cartographies obtenues pour une même zone avec des données acquises par exemple à des instants différents ou encore pour des attributs sismiques différents.
Ces deux cartographies sont par exemple du type de celle illustrée sur les figures 3a et 3b.
Dans la suite du texte, on désignera par Z1 et Z2 les deux fonctions correspondants à ces deux séries de données.
Il est proposé de décomposer chacune de ces deux fonctions en la somme de leur composante commune et de résidus orthogonaux.
A cet effet, on détermine à partir des deux séries de données dont on dispose un variogramme croisé, dont les valeurs sont :
où x et x+h désignent les couples de points pris en considération selon la direction et pour la distance h pour lesquels on détermine la valeur du variogramme et où N est le nombre de ces couples de points pour cette direction et cette distance.
où x et x+h désignent les couples de points pris en considération selon la direction et pour la distance h pour lesquels on détermine la valeur du variogramme et où N est le nombre de ces couples de points pour cette direction et cette distance.
Connaissant ce variogramme croisé, on détermine ensuite une estimation de la fonction qui lui correspond, laquelle vérifie :
où les coefficients de pondération #[alpha]1 et #ss2 se déterminent par inversion de l'équation de co-krigeage :
où les coefficients de pondération #[alpha]1 et #ss2 se déterminent par inversion de l'équation de co-krigeage :
<Desc/Clms Page number 6>
On notera que la matrice qui apparaît dans cette équation a l'avantage d'être inversible sous certaines conditions de calcul.
De cette façon, en utilisant les covariances expérimentales, on décompose de façon automatique les deux variables correspondant aux deux séries de données initiales en une composante commune et deux composantes résiduelles orthogonales. La régularité des données fait que la covariance expérimentale est connue pour toutes les distances utilisées, aucune interpolation n'est nécessaire, donc la matrice est définie positive
La fonction alors obtenue est une estimation de la composante commune aux deux séries de données.
La fonction alors obtenue est une estimation de la composante commune aux deux séries de données.
La figure 4 représente une estimation de composante commune obtenue à partir des données correspondants aux cartographies des figures 3a et 3b.
On comprend qu'il est particulièrement avantageux dans de nombreuses applications et notamment en sismique 4D de disposer de cette composante commune.
Elle permet notamment d'éliminer les artefacts d'acquisition non répétables - à partir de grilles d'attributs sismiques et notamment par exemple à partir d'amplitudes RMS dans un intervalle - à partir de grille de temps sismiques et par exemple à partir de temps d'événements sismiques - à partir de volumes de vitesses sismiques et par exemple à partir de pointés automatiques de vitesses.
Elle peut également être utilisée en sismique simple pour éliminer des artefacts d'acquisition non répétables
<Desc/Clms Page number 7>
- notamment à partir de grilles d'attributs sismiques calculés sur les classes d'incidence consécutives ou encore - à partir de grilles d'attributs sismiques calculés sur des volumes issus de sommations partielles ou d'ondes converties.
Par ailleurs, une fois cette estimation de la composante commune déterminée, il est possible de déterminer les composantes résiduelles correspondant à la différence entre les données initiales et cette composante commune estimée.
Ces composantes résiduelles peuvent elles-mêmes être décomposées par analyse krigeante.
C'est ce qu'illustrent les figures 5a, 5b et 6a, 6b, qui sont des cartographies des bruits blancs et des bruits de raies linéaires estimés de cette façon pour l'une et l'autre des deux séries de mesures représentées sur les figures 3a et 3b.
Des exemples de mesures d'erreurs obtenues par filtrage standard, par filtrage par analyse krigeante puis par filtrage par analyse cokrigeante (ou krigeage multivariable) sont illustrés sur les graphes des figures 7a à 7c.
On comprend à la lecture de ces figures que le filtrage par analyse cokrigeante permet des dispersions bien moindres que dans les cas des filtrages classiques ou de filtrages par analyse krigeante et donne de meilleurs résultats.
On a décrit dans ce qui précède un exemple mis en oeuvre avec deux séries de données.
Comme on le comprendra aisément, le procédé proposé peut également être mis en #uvre de la même façon avec un nombres de séries de données (campagnes) plus important.
Filtrage semi-automatique
Ce deuxième mode de mise en oeuvre permet également une décomposition simplifiée dans le cas où l'on ne dispose que d'une seule série de mesures (fonction S1).
Ce deuxième mode de mise en oeuvre permet également une décomposition simplifiée dans le cas où l'on ne dispose que d'une seule série de mesures (fonction S1).
<Desc/Clms Page number 8>
Il suppose que l'on dispose au préalable de la modélisation d'une composante #m du variogramme expérimental #.
Cette modélisation que l'on connaît au préalable est par exemple la modélisation d'une composante indépendante de la géologie du sous-sol : bruit blanc, stries, etc.
Connaissant cette modélisation de la composante #m, on en déduit le variogramme résiduel correspondant à la différence entre le variogramme expérimental et cette composante #m.
On met alors en #uvre une analyse krigeante pour déterminer d'une part la composante modélisée Sm et d'autre part, à partir du variogramme résiduel, le résidu orthogonal R1 tel que :
S1 =Sm+R1
Cette décomposition automatique permet de filtrer les anomalies d'acquisition qui présentent une cohérence spatiale aisément identifiable et modélisable, comme les stries parallèles aux câbles observées sur les amplitudes et les temps en sismique marine.
S1 =Sm+R1
Cette décomposition automatique permet de filtrer les anomalies d'acquisition qui présentent une cohérence spatiale aisément identifiable et modélisable, comme les stries parallèles aux câbles observées sur les amplitudes et les temps en sismique marine.
Les exemples donnés ci-dessous ont été décrits dans le cas de données sismiques.
On comprend toutefois aisément que l'invention peut s'appliquer de façon générale à tout autre type de données, notamment à tout autre type de données cartographiques
<Desc/Clms Page number 9>
Références : - Matheron G. (1982), Pour une analyse krigeante des données régionalisées . Note interne, Centre de Géostatistique et de Morphologie Mathématique, Ecole Nationale Supérieure des Mines de Paris.
- Sandjivy L. (1984), Analyse krigeante des données géochiliques - Etude d'un cas monovariable dans le domaine stationnaire . Sciences de la Terre, série informatique géologique 18, pp 143-172.
- Galli A., Sandjivy L., (1984), Analyse krigeante et analyse spectrale .
Sciences de la Terre, série informatique géologique 21, pp 115-124.
- Dousset P., Sandjivy L., (1987), Analyse krigeante des données géochimiques multivariables prélevées sur un site stannifère en Malaisie .
Sciences de la Terre, série informatique géologique 26, pp 1-22.
- Sandjivy L., (1987), Analyse krigeante des données de prospection géochimique . Thèse de Docteur Ingénieur en Sciences et Techniques Minières, ENSMP, 166p.
- Jacquet O., (1988), L'analyse krigeante appliquée aux données pétrolières . Bulletin de l'Assoc. Suisse des Géologues et Ingénieurs du Pétrole, Vo1.24, pp 15-34.
- Daly C., (1989), Application of multivariate kriging to the processing of noisy images. , Geostatistics, Vol.2, Kluwer Academic Publisher, M.
Armstrong (ed.), pp 749-760.
- Daly C., (1991), Applications de la géostatistique à quelques problèmes de filtrage. Thèse de Docteur Ingénieur en Sciences et Techniques Minières, ENSMP, 235p.
- Wackernagel H., Sanguinetti H., (1993), Gold prospecting with factorial kriging in Limousin, France . Computers in Geology : 25 years of progress, Davis & Herzfeld (ed.), Oxford, O. U.P., Studies in Mathematical Geology 5, pp 33-43.
- Seguret S., (1993), Analyse krigeante spatio-temporelle appliquée à des données aéromagnétiques . Cahiers de Géostatistique, Fasc. 3, ENSMP, pp 115-138.
- Wackernagel H., (1998), Multivariate geostatistics : an introduction with applications. 2nd ed. Berlin, Springer, 291p.
<Desc/Clms Page number 10>
- Arnaud M. et al., (2201), L'analyse krigeante pour le classement d'observations spatiales et multivariées . Revue de statistique appliquée, XLIX (2), pp 45-67.
Claims (5)
1. Procédé pour le filtrage d'au moins deux séries de données représentatives des valeurs d'au moins un paramètre physique sur une même zone, caractérisé en ce qu'on détermine le variogramme croisé de ces séries de données et on résout l'équation de co-krigeage qui en résulte pour en déduire de façon automatique une estimation de la composante commune à ces séries de données.
2. Procédé selon la revendication 1, caractérisé en ce que l'on soustrait des données initiales l'estimation de la composante commune ainsi déterminée, afin de déduire les résidus orthogonaux pour les différentes séries de données initiales.
3. Procédé selon l'une des revendications précédentes, caractérisé en ce qu'on met en #uvre une analyse krigeante pour décomposer lesdits résidus orthogonaux.
4. Procédé pour le filtrage d'au moins une série de données représentative des valeurs d'au moins un paramètre physique sur au moins une zone, caractérisé en ce qu'on identifie une modélisation d'une composante de variabilité spatiale de son variogramme, on soustrait cette modélisation du variogramme expérimental et on résout l'équation de krigeage correspondant à ce variogramme différentiel pour en déduire une estimation de la composante de variabilité correspondante sur la série de données.
5. Procédé selon l'une des revendications précédentes, caractérisé en ce que la série de données ou au moins l'une des séries de données est représentative de données sismiques.
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR0200397A FR2834797B1 (fr) | 2002-01-14 | 2002-01-14 | Procede de filtrage de donnees, notamment de types sismiques, par analyse krigeante |
| GB0415792A GB2399638B (en) | 2002-01-14 | 2003-01-14 | Method for filtering seismic data,particularly by kriging |
| US10/501,370 US7890265B2 (en) | 2002-01-14 | 2003-01-14 | Method for filtering seismic data, particularly by kriging |
| PCT/FR2003/000099 WO2003058279A1 (fr) | 2002-01-14 | 2003-01-14 | Procede de filtrage de donnees sismiques, notamment par analyse krigeante |
| NO20042973A NO337312B1 (no) | 2002-01-14 | 2004-07-14 | Fremgangsmåte for filtrering av seismiske data, spesielt ved interpoleringsanalyser |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR0200397A FR2834797B1 (fr) | 2002-01-14 | 2002-01-14 | Procede de filtrage de donnees, notamment de types sismiques, par analyse krigeante |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FR2834797A1 true FR2834797A1 (fr) | 2003-07-18 |
| FR2834797B1 FR2834797B1 (fr) | 2004-10-08 |
Family
ID=8871281
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR0200397A Expired - Fee Related FR2834797B1 (fr) | 2002-01-14 | 2002-01-14 | Procede de filtrage de donnees, notamment de types sismiques, par analyse krigeante |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US7890265B2 (fr) |
| FR (1) | FR2834797B1 (fr) |
| GB (1) | GB2399638B (fr) |
| NO (1) | NO337312B1 (fr) |
| WO (1) | WO2003058279A1 (fr) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2854247B1 (fr) * | 2003-04-28 | 2005-07-29 | Geophysique Cie Gle | Procede de traitement de cubes sismiques correspondant pour une meme zone au sol, a differentes valeurs de deports source/recepteur et/ou d'angles d'incidence |
| US20050091016A1 (en) * | 2003-09-29 | 2005-04-28 | Autodesk, Inc. | Surface smoothing techniques |
| US7561990B2 (en) * | 2003-09-29 | 2009-07-14 | Autodesk, Inc. | Interactive triangulated irregular network (TIN) surfaces design |
| US7523396B2 (en) * | 2003-09-29 | 2009-04-21 | Autodesk, Inc. | Surface construction audit trail and manipulation |
| FR2932291A1 (fr) * | 2008-06-10 | 2009-12-11 | Earth Resource Man Services Er | Procede pour le traitement probabiliste des donnees geophysiques |
| US8861306B2 (en) * | 2008-07-05 | 2014-10-14 | Westerngeco L.L.C. | Interpolating seismic data |
| CN104656130A (zh) * | 2013-11-19 | 2015-05-27 | 中国石油天然气股份有限公司 | 一种基于克里金方法的平面地震勘探信号分解方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5321613A (en) * | 1992-11-12 | 1994-06-14 | Coleman Research Corporation | Data fusion workstation |
| US5995906A (en) * | 1997-10-03 | 1999-11-30 | Western Atlas International, Inc. | Method for reconciling data at seismic and well-log scales in 3-D earth modeling |
| US6295512B1 (en) * | 1998-05-01 | 2001-09-25 | John Bryant | Subsurface mapping apparatus and method |
| US6721694B1 (en) * | 1998-10-13 | 2004-04-13 | Raytheon Company | Method and system for representing the depths of the floors of the oceans |
| CA2353320A1 (fr) * | 2000-07-26 | 2002-01-26 | Schlumberger Canada Limited | Calcul de variogramme et representation dans le domaine frequentiel |
| DE10142785C2 (de) * | 2001-08-31 | 2003-07-03 | Henning Trappe | Verfahren zur Bestimmung lokaler Ähnlichkeit aus seismischen 3D-Meßdaten |
| US6597992B2 (en) * | 2001-11-01 | 2003-07-22 | Soil And Topography Information, Llc | Soil and topography surveying |
-
2002
- 2002-01-14 FR FR0200397A patent/FR2834797B1/fr not_active Expired - Fee Related
-
2003
- 2003-01-14 GB GB0415792A patent/GB2399638B/en not_active Expired - Fee Related
- 2003-01-14 WO PCT/FR2003/000099 patent/WO2003058279A1/fr active Application Filing
- 2003-01-14 US US10/501,370 patent/US7890265B2/en not_active Expired - Fee Related
-
2004
- 2004-07-14 NO NO20042973A patent/NO337312B1/no not_active IP Right Cessation
Non-Patent Citations (4)
| Title |
|---|
| BEYER H G ET AL: "Assessment of the method used to construct clearness index maps for the new European Solar Radiation Atlas (ESRA)", SOLAR ENERGY, PERGAMON PRESS. OXFORD, GB, vol. 61, no. 6, 1 December 1997 (1997-12-01), pages 389 - 397, XP004101864, ISSN: 0038-092X * |
| CASSIANI G ET AL: "A geostatistical framework for incorporating seismic tomography auxiliary data into hydraulic conductivity estimation", J HYDROL;JOURNAL OF HYDROLOGY APR 1998 ELSEVIER SCI B.V., AMSTERDAM, NETHERLANDS, vol. 206, no. 1-2, April 1998 (1998-04-01), pages 58 - 74, XP002216149 * |
| D'AGOSTINO V ET AL: "Spatial and temporal study of nitrate concentration in groundwater by means of coregionalization", ENVIRON GEOL;ENVIRONMENTAL GEOLOGY DEC 1998 SPRINGER-VERLAG GMBH & COMPANY KG, BERLIN, GERMANY, vol. 36, no. 3-4, December 1998 (1998-12-01), pages 285 - 295, XP002216150 * |
| DOYEN PHILIPPE M: "Porosity from seismic data: a geostatistical approach", GEOPHYSICS, SOCIETY OF EXPLORATION GEOPHYSICISTS. TULSA, US, vol. 53, no. 10, October 1988 (1988-10-01), pages 1263 - 1275, XP002151187, ISSN: 0016-8033 * |
Also Published As
| Publication number | Publication date |
|---|---|
| GB2399638B (en) | 2006-02-01 |
| GB2399638A (en) | 2004-09-22 |
| FR2834797B1 (fr) | 2004-10-08 |
| US20050209895A1 (en) | 2005-09-22 |
| NO337312B1 (no) | 2016-03-07 |
| NO20042973L (no) | 2004-10-13 |
| GB0415792D0 (en) | 2004-08-18 |
| US7890265B2 (en) | 2011-02-15 |
| WO2003058279A1 (fr) | 2003-07-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Huang et al. | Unveiling the signals from extremely noisy microseismic data for high-resolution hydraulic fracturing monitoring | |
| Bingham et al. | Local diagnostics to estimate density‐induced sea level variations over topography and along coastlines | |
| US10436924B2 (en) | Denoising seismic data | |
| EP2253970B1 (fr) | Méthode pour imager une zone cible du sous-sol à partir de données de type walkaway | |
| CA2746900C (fr) | Procede d'exploitation d'un gisement petrolier a partir d'un modele de reservoir deforme graduellement au moyen de cosimulations | |
| US20200217979A1 (en) | Observation-driven method based on iir wiener filter for microseismic data denoising | |
| EP1728967A1 (fr) | Méthode pour mettre à jour un modèle géologique par des données sismiques et de production | |
| Dolan et al. | Variation and uncertainty in bathymetric slope calculations using geographic information systems | |
| Chew et al. | Diversity and climate change in the middle-late Wasatchian (early Eocene) Willwood Formation, central Bighorn Basin, Wyoming | |
| Dickens et al. | A new bathymetric compilation for the South Orkney Islands region, Antarctic Peninsula (49–39 W to 64–59 S): Insights into the glacial development of the continental shelf | |
| CN107179550A (zh) | 一种数据驱动的地震信号零相位反褶积方法 | |
| CA2382307A1 (fr) | Methode pour faciliter le suivi au cours du temps de l'evolution d'une zone souterraine par analyse comparee de differents jeux d'enregistrements sismiques | |
| FR2834797A1 (fr) | Procede de filtrage de donnees, notamment de types sismiques, par analyse krigeante | |
| WO2004097455A2 (fr) | Procede de traitement de cubes sismiques correspondant a des acquisitions realisees pour une meme zone a des moments differents | |
| FR2994314A1 (fr) | Procede de restauration de donnees de puits de forage | |
| WO2018137747A1 (fr) | Procede pour l'estimation du carbone organique total (cot) à partir des vitesses acoustiques et de la porosite totale (φ t) dans une roche mere. | |
| WO2016012191A1 (fr) | Procédé de filtrage adaptatif de reflexions sismiques multiples | |
| FR2854246A1 (fr) | Procede de traitement de donnees sismiques correspondant a des acquisitions realisees pour une meme zone d'une part au moyen de recepteurs sismiques disposes au fond de l'eau et d'autre par au moyen de recepteurs disposes en surface | |
| EP1341094A1 (fr) | Procédé pour la détermination d'un indice de qualité spatiale de données regionalisées | |
| EP0923051B1 (fr) | Méthode statistique multivariable pour caractériser des images que l'on à formées d'un milieu complexe tel que le sous-sol | |
| EP1540377B1 (fr) | Methode pour compacter et filtrer des evenements geophysiques dans le but d en extraire des informations sur la nature du sou s-sol | |
| WO2003003052A1 (fr) | Perfectionnements aux techniques de pointe de surface | |
| Pham | Seismic wave field restoration using spare representations and quantitative analysis | |
| Neves et al. | Complex rupture dynamics of the extremely shallow August 2020 M5. 1 Sparta, North Carolina earthquake | |
| Han | Empirical mode decomposition for seismic applications |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| CA | Change of address | ||
| CD | Change of name or company name | ||
| TP | Transmission of property | ||
| PLFP | Fee payment |
Year of fee payment: 14 |
|
| ST | Notification of lapse |
Effective date: 20160930 |