Cooperative constrained inversion of multiple electromagnetic data sets
Notice bibliographique
Résumé
ABSTRACT We evaluated a method for cooperatively inverting multiple electromagnetic (EM) data sets with bound constraints to produce a consistent 3D resistivity model with improved resolution. Field data from the Antonio gold deposit in Peru and synthetic data were used to demonstrate this technique. We first separately inverted field airborne time-domain EM (AEM), controlled-source audio-frequency magnetotellurics (CSAMT), and direct current resistivity measurements. Each individual inversion recovered a resistor related to gold-hosted silica alteration within a relatively conductive background. The outline of the resistor in each inversion was in reasonable agreement with the mapped extent of known near-surface silica alteration. Variations between resistor recoveries in each 3D inversion model motivated a subsequent cooperative method, in which AEM data were inverted sequentially with a combined CSAMT and DC data set. This cooperative approach was first applied to a synthetic inversion over an Antonio-like simulated resistivity model, and the inversion result was both qualitatively and quantitatively closer to the true synthetic model compared to individual inversions. Using the same cooperative method, field data were inverted to produce a model that defined the target resistor while agreeing with all data sets. To test the benefit of borehole constraints, synthetic boreholes were added to the inversion as upper and lower bounds at locations of existing boreholes. The ensuing cooperative constrained synthetic inversion model had the closest match to the true simulated resistivity distribution. Bound constraints from field boreholes were then calculated by a regression relationship among the total sulfur content, alteration type, and resistivity measurements from rock samples and incorporated into the inversion. The resulting cooperative constrained field inversion model clearly imaged the resistive silica zone, extended the area of interpreted alteration, and also highlighted conductive zones within the resistive region potentially linked to sulfide and gold mineralization.
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 | 0,000 |
| 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 ».