Rapid inversion of 2-D geoelectrical data by multichannel deconvolution
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
Abstract Modern geoelectrical data acquisition systems can record more than 100 000 data values per field day. Despite the growth in computer power and the development of more efficient numerical algorithms, interpreting such data volumes remains a nontrivial computational task. We present a 2-D one-pass inversion procedure formulated as a multichannel deconvolution. It is based on the equation for the electrical potential linearized under the Born approximation, and it makes use of the 2-D form of the Fréchet derivatives evaluated for the homogeneous half-space. The inversion is formulated in the wavenumber domain so that the 2-D spatial problem decouples into many small 1-D problems. The resulting multichannel deconvolution algorithm is very fast and memory efficient. The inversion scheme is stabilized through covariance matrices representing the stochastic properties of the earth resistivity and data errors. The earth resistivity distribution is assumed to have the statistical characteristics of a two-parameter, self-affine fractal. The local apparent amplitude and fractal dimension of the earth resistivity are estimated directly from geoelectrical observations. A nonlinearity error covariance matrix is added to the conventional measurement error covariance matrix. The stochastic model for the dependence of nonlinearity error on electrode configuration as well as resistivity amplitude and fractal dimension is determined pragmatically through nonlinear simulation experiments. Tests on synthetic examples and field cases including well control support the conclusion that for long data profiles this method automatically produces linearized resistivity estimates which faithfully resolve the main model features.
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 | 0,001 |
| 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