Time-lapse ERT monitoring of an injection/withdrawal experiment in a shallow unconfined aquifer
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 To quantify performance of 3D time-lapse electrical resistivity tomography (ERT), a sequential injection/withdrawal experiment was designed for monitoring the pump-and-capture remediation of a conductive solute in an unconfined alluvial aquifer. Prior information is incorporated into the inversion procedure via regularization with respect to a reference model according to three protocols: (1) independent regularization involving a single reference model, (2) background regularization involving a reference model obtained via inversion of preinjection data, and (3) time-lapse regularization involving an evolving reference model obtained via inversion of data from previous experimental stages. Emplacement and sequential withdrawal of the solute is clearly imaged for all protocols. Time-lapse regularization results in greater amounts of model structure, while providing signifi-cant computational savings. ERT-estimated electrical conductivity is used to predict solute concentration and solute mass in the aquifer. At any experimental stage, we are able to estimate total solute mass in the aquifer with a maximum accuracy of 60%–85% depending on regularization protocol and survey geometry. We also estimate the withdrawn solute mass for every experimental stage (the change in mass between experimental stages). Withdrawn mass estimates are more reliable than total mass estimates and do not exhibit systematic underprediction or dependence on regularization protocol. Withdrawn mass estimates are accurate for changes in mass below 2–4kg of potassium bromide (KBr) for horizontal and vertical dipole-dipole surveys, respectively. Estimating the withdrawn solute mass does not require background subtraction and, thus, does not require background data.
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 | 0,000 | 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