Comparison of Approaches for Predicting Solute Transport: Sandbox Experiments
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
The main purpose of this paper was to compare three approaches for predicting solute transport. The approaches include: (1) an effective parameter/macrodispersion approach (Gelhar and Axness 1983); (2) a heterogeneous approach using ordinary kriging based on core samples; and (3) a heterogeneous approach based on hydraulic tomography. We conducted our comparison in a heterogeneous sandbox aquifer. The aquifer was first characterized by taking 48 core samples to obtain local-scale hydraulic conductivity (K). The spatial statistics of these K values were then used to calculate the effective parameters. These K values and their statistics were also used for kriging to obtain a heterogeneous K field. In parallel, we performed a hydraulic tomography survey using hydraulic tests conducted in a dipole fashion with the drawdown data analyzed using the sequential successive linear estimator code (Yeh and Liu 2000) to obtain a K distribution (or K tomogram). The effective parameters and the heterogeneous K fields from kriging and hydraulic tomography were used in forward simulations of a dipole conservative tracer test. The simulated and observed breakthrough curves and their temporal moments were compared. Results show an improvement in predictions of drawdown behavior and tracer transport when the K tomogram from hydraulic tomography was used. This suggests that the high-resolution prediction of solute transport is possible without collecting a large number of small-scale samples to estimate flow and transport properties that are costly to obtain at the field scale.
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 | 0,000 |
| 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 découle