Comparison of Hydraulic Tomography with Traditional Methods at a Highly Heterogeneous Site
Notice bibliographique
Résumé
Over the past several decades, different groundwater modeling approaches of various complexities and data use have been developed. A recently developed approach for mapping hydraulic conductivity (K) and specific storage (Ss ) heterogeneity is hydraulic tomography, the performance of which has not been compared to other more "traditional" methods that have been utilized over the past several decades. In this study, we compare seven methods of modeling heterogeneity which are (1) kriging, (2) effective parameter models, (3) transition probability/Markov Chain geostatistics models, (4) geological models, (5) stochastic inverse models conditioned to local K data, (6) hydraulic tomography, and (7) hydraulic tomography conditioned to local K data using data collected in five boreholes at a field site on the University of Waterloo (UW) campus, in Waterloo, Ontario, Canada. The performance of each heterogeneity model is first assessed during model calibration. In particular, the correspondence between simulated and observed drawdowns is assessed using the mean absolute error norm, (L1 ), mean square error norm (L2 ), and correlation coefficient (R) as well as through scatterplots. We also assess the various models on their ability to predict drawdown data not used in the calibration effort from nine pumping tests. Results reveal that hydraulic tomography is best able to reproduce these tests in terms of the smallest discrepancy and highest correlation between simulated and observed drawdowns. However, conditioning of hydraulic tomography results with permeameter K data caused a slight deterioration in accuracy of drawdown predictions which suggests that data integration may need to be conducted carefully.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».