Simultaneous 1D inversion of loop–loop electromagnetic data for magnetic susceptibility and electrical conductivity
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 Magnetic susceptibility affects electromagnetic (EM) loop–loop observations in ways that cannot be replicated by conductive, nonsusceptible earth models. The most distinctive effects are negative in-phase values at low frequencies. Inverting data contaminated by susceptibility effects for conductivity alone can give misleading models: the observations strongly influenced by susceptibility will be underfit, and those less strongly influenced will be overfit to compensate, leading to artifacts in the model. Simultaneous inversion for both conductivity and susceptibility enables reliable conductivity models to be constructed and can give useful information about the distribution of susceptibility in the earth. Such information complements that obtained from the inversion of static magnetic data because EM measurements are insensitive to remanent magnetization. We present an algorithm that simultaneously inverts susceptibility-affected data for 1D conductivity and susceptibility models. The solution is obtained by minimizing an objective function comprised of a sum-of-squares measure of data misfit and sum-of-squares measures of the amounts of structure in the conductivity and susceptibility models. Positivity of the susceptibilities is enforced by including a logarithmic barrier term in the objective function. The trade-off parameter is automatically estimated using the generalized cross validation (GCV) criterion. This enables an appropriate fit to the observations to be achieved even if good noise estimates are not available. As well as synthetic examples, we show the results of inverting airborne data sets from Australia and Heath Steele Stratmat, New Brunswick.
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 | 0,001 |
| 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