Model reliability for 3D electrical resistivity tomography: Application of the volume of investigation index to a time-lapse monitoring experiment
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Solution appraisal is difficult for large 3D, nonlinear inverse problems such as electrical resistivity tomography (ERT). We construct the volume of investigation index (VOI) as the sensitivity of the inversion result to a variable-reference model. This limited exploration of the model space provides an efficient and pragmatic method of appraisal for a particular data set and a 3D model domain. We present a synthetic example to demonstrate the applicability of the VOI as a tool for characterizing model reliability for 3D ERT and as a method of survey design. We show how the VOI provides a measure of model resolution and how insight gained from VOI analysis cannot be gained through similar examination of the average sensitivity distributions. In the context of ERT monitoring of an injection/withdrawal experiment, we utilize the VOI for judging the degree of reliability of hydrogeological interpretations that stem from features observed in the estimated electrical-conductivity models. We employ the VOI for the experimental data as a comparative measure of survey performance. For this experiment, the VOI shows that a larger, more artifact-free region of reliability is achieved using a circulating vertical dipole-dipole survey geometry, as opposed to a horizontal dipole-dipole survey geometry. The experimental VOI distributions exhibit dependence on the borehole infrastructure and the actual earth model.
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.
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 | 0,001 |
| 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 découle