High‐accuracy practical spline‐based 3D and 2D integral transformations in potential‐field geophysics
Notice bibliographique
Résumé
ABSTRACT Potential, potential field and potential‐field gradient data are supplemental to each other for resolving sources of interest in both exploration and solid Earth studies. We propose flexible high‐accuracy practical techniques to perform 3D and 2D integral transformations from potential field components to potential and from potential‐field gradient components to potential field components in the space domain using cubic B‐splines. The spline techniques are applicable to either uniform or non‐uniform rectangular grids for the 3D case, and applicable to either regular or irregular grids for the 2D case. The spline‐based indefinite integrations can be computed at any point in the computational domain. In our synthetic 3D gravity and magnetic transformation examples, we show that the spline techniques are substantially more accurate than the Fourier transform techniques, and demonstrate that harmonicity is confirmed substantially better for the spline method than the Fourier transform method and that spline‐based integration and differentiation are invertible. The cost of the increase in accuracy is an increase in computing time. Our real data examples of 3D transformations show that the spline‐based results agree substantially better or better with the observed data than do the Fourier‐based results. The spline techniques would therefore be very useful for data quality control through comparisons of the computed and observed components. If certain desired components of the potential field or gradient data are not measured, they can be obtained using the spline‐based transformations as alternatives to the Fourier transform techniques.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».