3D modelling and sensitivity in DC resistivity using charge density
Notice bibliographique
Résumé
ABSTRACT A three‐dimensional (3D) electrical resistivity modelling code is developed to interpret surface and subsurface data. Based on the integral equation, it calculates the charge density caused by conductivity gradients at each interface of the mesh, allowing the estimation of the potential everywhere without the need to interpolate between nodes. Modelling generates a huge matrix, made up of Green's functions, which is stored by using the method of pyramidal compression. The potential is compared with the analytical and the numerical solutions obtained by finite‐difference codes for two models: the two‐layer case and the vertical contact case. The integral method is more accurate around the source point and at the limits of the domain for the potential calculation using a pole‐pole array. A technique is proposed to calculate the sensitivity (Jacobian) and Hessian matrices in 3D. The sensitivity is based on the derivative with respect to the block conductivity of the potential computed using the integral equation; it is only necessary to compute the electrical field at the source location. A direct extension of this technique allows the determination of the second derivatives. The technique is compared with the analytical solutions and with the calculation of the sensitivity according to the method using the inner product of the current densities calculated at the source and receiver points. Results are very accurate when the Green's function that includes the source image is used. The calculation of the three components of the electric field on the interfaces of the mesh is carried out simultaneously and quickly, using matrix compression.
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 | 0,001 | 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 ».