Recientemente, las ideas de la mezcla de colores han aportado luz para la obtención de imágenes del geobody del subsuelo en ingeniería petrolífera. En este artículo, presentamos este enfoque de mezcla de colores CMY y su aplicación en la caracterización del geobody del subsuelo mediante el uso de datos de atributos sísmicos. El primer paso consiste en calcular tres tipos de atributos sísmicos basados en el algoritmo de la transformada de Hilbert, incluyendo la envolvente, la fase instantánea y la frecuencia instantánea. A continuación, se escalan los tres atributos y se combinan utilizando el modelo de color CMY en un entorno tridimensional, en el que cada atributo corresponde a un canal de color primario. Ajuste la escala y el desplazamiento de cada componente de color y, a continuación, mézclelos de forma óptima para crear un volumen de color mezclado. El volumen mezclado en modo CMY contiene abundante información geológica procedente de los tres atributos de entrada, lo que da como resultado una imagen de alta resolución y precisión de los cuerpos geológicos del subsuelo. Las aplicaciones muestran un buen rendimiento en la obtención de imágenes de canales enterrados, cuevas y fallas. A partir del corte mezclado, los objetivos geológicos pueden interpretarse y representarse con facilidad y precisión.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
La extensión del algoritmo GVW a dominios de valoración
Artículo:
Destruir la marca de agua comercial robusta mediante una red de codificador-decodificador convolucional profunda
Artículo:
Estrategia de optimización del sistema energético integrado interconectado multiárea basada en la teoría de la coherencia
Artículo:
Sistema de oficina en red inteligente basado en la computación en nube y el aprendizaje automático
Artículo:
Investigación sobre un algoritmo de reconocimiento de poses para jugadores deportivos basado en el aprendizaje automático de datos de sensores