MétaCan
Menu
Retour à la cohorte
Enregistrement W2052379270 · doi:10.1029/2009wr007745

Comparison of aquifer characterization approaches through steady state groundwater model validation: A controlled laboratory sandbox study

2010· article· en· W2052379270 sur OpenAlex
Walter A. Illman, Junfeng Zhu, Andrew J. Craig, Danting Yin

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueWater Resources Research · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueGroundwater flow and contamination studies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaStrategic Environmental Research and Development ProgramNational Science Foundation
Mots-clésAquiferHydraulic conductivityAquifer propertiesPermeameterGroundwater flowGroundwaterSoil scienceGeologyKrigingGroundwater modelFlow (mathematics)Environmental scienceHydrology (agriculture)Geotechnical engineeringMechanicsStatisticsMathematicsGroundwater rechargePhysicsSoil water

Résumé

récupéré en direct d'OpenAlex

Groundwater modeling has become a vital component to water supply and contaminant transport investigations. An important component of groundwater modeling under steady state conditions is selecting a representative hydraulic conductivity ( K ) estimate or set of estimates which defines the K field of the studied region. Currently, there are a number of characterization approaches to obtain K at various scales and in varying degrees of detail, but there is a paucity of information in terms of which characterization approach best predicts flow through aquifers or drawdowns caused by some drawdown inducing events. The main objective of this paper is to assess K estimates obtained by various approaches by predicting drawdowns from independent cross‐hole pumping tests and total flow rates through a synthetic heterogeneous aquifer from flow‐through tests. Specifically, we (1) characterize a synthetic heterogeneous aquifer built in the sandbox through various techniques (permeameter analyses of core samples, single‐hole, cross‐hole, and flow‐through testing), (2) obtain mean K fields through traditional analysis of test data by treating the medium to be homogeneous, (3) obtain heterogeneous K fields through kriging and steady state hydraulic tomography, and (4) conduct forward simulations of 16 independent pumping tests and six flow‐through tests using these homogeneous and heterogeneous K fields and comparing them to actual data. Results show that the mean K and heterogeneous K fields estimated through kriging of small‐scale K data (core and single‐hole tests) yield biased predictions of drawdowns and flow rates in this synthetic heterogeneous aquifer. In contrast, the heterogeneous K distribution or “ K tomogram” estimated via steady state hydraulic tomography yields excellent predictions of drawdowns of pumping tests not used in the construction of the tomogram and very good estimates of total flow rates from the flow‐through tests. These results suggest that steady state groundwater model validation is possible in this laboratory sandbox aquifer if the heterogeneous K distribution and forcing functions (boundary conditions and source/sink terms) are characterized sufficiently.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,150
Score d'incertitude au seuil0,659

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,102
Tête enseignante GPT0,343
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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