Usefulness of core logging for the identification of conductive fractures in bedrock
Notice bibliographique
Résumé
To characterize conductive fracture networks, geologists use judgement to categorize their observations of geological features into sets. To test this judgement, we propose mathematical models which relate, via parameters, tallies of sets of observations in core to transmissivity measurements made in boreholes. We show that if these models are applied to aquifers in which groundwater flow is predominantly horizontal, the major sources of error are the misalignment of core relative to hydraulic test intervals and the erroneous categorization of observations. We tallied up (1) core observations that are categorized on the basis of a descriptive code given at time of drilling and (2) breaks in core that were later categorized on the basis of their “probability of being permeable,” and we use these tallies to find least squares parameter estimates from the models applied to a set of measured transmissivities. We evaluated the success of each method to distinguish the most transmissive fractures from the least from the goodness of fits as well as from the consistency of the parameter estimates with the understood hydrogeologic role of the constituent members of each set. It was found that highly transmissive fractures in bedrock could be identified by inspection of core and that the skilled judgment used by geologists for this purpose was better encapsulated in permeability rankings than in descriptive codes and written comments.
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 ».