MétaCan
Menu
Retour à la cohorte
Enregistrement W2055132920 · doi:10.1088/0266-5611/18/2/301

Sensitivity analysis of a nonlinear inversion method for 3D electromagnetic imaging in anisotropic media

2002· article· en· W2055132920 sur OpenAlexaff
Oliver Dorn, Hugo Bertete‐Aguirre, J.G. Berryman, George Papanicolaou

Notice bibliographique

RevueInverse Problems · 2002
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeophysical and Geoelectrical Methods
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesAir Force Office of Scientific ResearchLawrence Livermore National LaboratoryU.S. Department of Energy
Mots-clésResidualInversion (geology)IsotropyMathematicsNonlinear systemSensitivity (control systems)Inverse problemOperator (biology)AnisotropyMathematical analysisApplied mathematicsAlgorithmPhysicsOpticsGeologyQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

We present a detailed sensitivity analysis for a nonlinear electromagnetic inversion method which was introduced earlier by the authors. Whereas the earlier work was restricted to the 3D imaging of isotropic structures in the earth from cross-borehole electromagnetic data, the analysis presented here is focused on the imaging of anisotropic structures which often have to be taken into account in practical situations. The inversion scheme considered can be described as a single-step adjoint field scheme. It avoids calculating huge sensitivity matrices (which we call linearized residual operators) during the inversion and uses only the data corresponding to one source position at a time. Doing so, the action of the adjoint linearized residual operator on the corresponding (filtered) residual vector can be calculated very efficiently by just running one forward and one adjoint Maxwell problem on the most recent best guess for the parameters. The outcome of these two runs is combined to find a correction to the latest best guess. The anisotropic sensitivity functions have the property that they decompose the linearized residual operator as well as the corresponding adjoint linearized residual operator. Playing this dual role, they provide useful information about how sources and receivers should be arranged in a given experiment, and which structures in the earth can be expected to be resolved in the inversion from a given data set. In the paper, we present numerical examples of 3D anisotropic sensitivity functions for homogeneous as well as for inhomogeneous background parameter distributions, and discuss their dual role in the nonlinear adjoint field inversion scheme.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,020
Tête enseignante GPT0,243
Écart entre enseignants0,223 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInverse ProblemsMême sujetGeophysical and Geoelectrical MethodsTravaux en français237 207